MC_SVR滚动模型对股票价格的预测研究

来源：计算机工程与应用杂志2025年第10期北京时间：

作者：陈梓海, 黄香香

单位：东莞理工学院 计算机科学与技术学院，广东 东莞 523808

摘要：为了解决单一的可尔可夫链（Markov chain，MC）模型在预测股价时出现预测状态不准确，使得预测股价与实际股价相对误差过大，从而导致模型预测效果较差等问题，引入支持向量回归（support vector regression，SVR）模型，并结合滚动预测的思想，形成MC_SVR滚动模型。通过海泰发展的股票价格数据构建MC_SVR滚动模型，采用网格搜索法确定高斯核函数，惩罚系数[C=]204.003?906，核函数参数[γ=]0.003?906和损失函数参数[ε=]0.1。实验结果表明，MC_SVR滚动模型有效提高了预测结果的精度，相比于SVR模型和LSTM模型，平均绝对百分比误差[δ]分别降低了0.16和0.01个百分点，均方根误差RMSE分别降低了0.000?7和0.001?6，决定系数R2分别提高了0.000?8和0.001?8，DA统计量比SVR模型降低了1.908?7，比LSTM模型提高了8.227?8，从整体上表面MC_SVR滚动模型具有不错的预测精度。在新增10只股票的预测研究中，MC_SVR滚动模型均具有可行性和有效性。

关键词：马尔可夫链,核函数,支持向量回归,股票收盘价,股价预测