论文部分内容阅读
股票的价格受经济、政治、公司经营状况和市场等多方面的复杂影响,且各因素自身具有模糊性和混乱性,再加之股票市场是一个非线性的系统,所以股票的价格数据存在着多噪声多离群点的特征,因而需要找到一种更好的方法解决该问题。为了在一定程度上解决了数据存在噪声的问题,本文提出了q阶正交模糊孪生支持向量机,可以更好的解决数据中存在噪声和离群点的问题,并将该模型应用于股票价格预测中,通过对算法分类效果和分类精度的分析,证实该算法在股票趋势预测中具有一定的作用。