27、股票市场预测与社交媒体文本分类技术解析

股票市场预测与社交媒体文本分类技术解析

1. 股票市场预测分析

1.1 研究背景与方法

在股票市场预测中，支持向量机（SVM）技术被用于开发开盘股价预测模型。为评估SVM模型优化的影响，选择开盘指数价格进行模型训练和结果评估。模型在171个交易日的数据集上进行训练和测试，其中前120天用于学习，后52天用于测试，以预测未来开盘股价。

1.2 结果分析

1.2.1 训练结果

使用120天的数据对4种框架（线性SVM、二次SVM、三次SVM和精细高斯SVM）进行训练，得到学习和测试数据集的均方根误差（RMSE）和平均绝对百分比误差（MAPE），并利用各模型的最高、最低和当前开盘股价的实际值来预测开盘市场股价。
| 模型 | RMSE | MAPE |
| — | — | — |
| 线性SVM | 0.124 | 97% |
| 二次SVM | 0.097 | 98% |
| 三次SVM | 0.10 | 98% |
| 精细高斯SVM | 0.009 | 98.6% |

1.2.2 参数优化结果

通过训练，得到了120天学习数据和52天测试数据的开盘、开放、低价和高价等股票价格信息，以及各框架的起始值。

1.2.3 模型输出结果

不同的股票市场价格被用于评估哪种SVM模型能最好地预测实际开盘指数值。从测试结果来看，各模型的预测价格与实际开盘股价存在差异。二次和三次SVM模型的预测值相似，表明它们对研究中使用的标准普尔数据有共同的理解；而线性和三次模型的预测值与其他模型不同。