浅析股指期货预测的意义与方法

　　当前国内对于人工神经网络预测股价的研究，再起结构类型上大致可分为误差犯神经网络、模糊神经网络、小波神经网络、径向基网络和回归神经网络。但需要指出的是，被提出的绝大多数模型都各有其不同的前提切在选取数日变量时缺少科学依据，从而使得建模过程中输入的变量准确性下降，产生许多的不相关变量火舌忽略了重要的变量。另外随着近年来神经网络预测法的盛行，各种预测模型兴起，但是没有明确的概念知名哪种类型的人工神经网络更有利于股指期货的预测。最后，部门高级的技术方法已经被证明可以成功建立有效地新的混合系统，从而有必要对初始值的设定范围进行改进一提高预测速度。
　　2.2 支持向量机在股指期货预测中的应用
　　20世纪90年代，Vapnik提出了支持向量机（Support Vector Machine 简称SVM）的概念。它以统计学习理论为基础，是一种建立在VC维和结构风险最小化原则基础上的一种新的机器学习方法。以其完善的理论基础、学习性能和预测性能得到了广泛的关注和应用。而且，在处理非线性问题时，支持向量机能够将非线性问题转化为高位空间问题并通过一个和函数来进行运算，可以有效避免维数灾难与局部极小问题。
　　当前的支持向量机预测的精准度仍然有待提高。序列的选择和处理如何更加的规范化和科学化仍然有待改进。建立动态的模型和不断加入新的训练样本显然能够在其精准性上有所提升。其次，在核函数的选择上应该更加的谨慎，不同的和函数在分类中往往会产生几种不同的结果，在回归预测中不同的和函数也会对数据拟合的结果产生巨大影响。第三，有别于理论上的方法，在实际应用中，我们往往面对的是海量的数据，因此如何开发快速有效的支持向量算法目前仍是一个有待解决的问题。
　　
　　参考文献
　　[1]王宝森.股票指数期货交易策略及风险管理研究[D].天津大学,2003,11.
　　[2]武晓炜.基于人工神经网络的股价预测模型研究[D].大连理工大学,2004,6.
　　[3]胡莹.基于支持向量机的证券投资风险管理研究[D].西安电子科技大学,2010,1.
　　[4]李海清.支持向量机在金融市场预测中的作用[D].辽宁师范大