作者：王卫红; 卓鹏宇主成分分析支持向量回归机果蝇优化算法股票价格预测
摘要：研究股票价格预测问题，针对影响股票价格因素多存在数据冗余，传统方法无法消除数据冗余，准确稳定预测股价非线性变化．为提高预测精度，在传统的支持向量机回归（Support vectorre-gression，SVR）方法的基础上引入主成分分析（Principalcomponentanalysis，PCA）和果蝇算法（Fruit fly optimization a1gorithm，FOA），提出了一种PCA-FOA-SVR的股票价格预测方法．首先利用PCA对影响股票价格的因素进行分析降维，消除冗余信息，然后用果蝇算法优化SVR的参数，利用优化后的SVR对非线性变化的股票价格建模预测．最后利用PCA-FOA-SVR模型对宁沪高速（6OO377）股票价格数据进行仿真实验．实验结果表明：与传统的BP和SVR相比，PCA-FOA-SVR模型在股票价格预测中进一步减小了预测误差，有更高的预测精度，是一种有效可行的股票价格预测方法．
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
