1、隨著我國證券市場的不斷發(fā)展和完善，股票市場作為我國經(jīng)濟“晴雨表”的功能也越來越突出，無論是個人投資者還是國家都十分關注股票市場的走勢。若能較為準確的預測股票市場的漲跌趨勢，不僅可以為廣大投資者提供投資決策的依據(jù)，也能夠為國家制定相關經(jīng)濟政策提供參考。
　　股票市場具有非線性、高噪聲、數(shù)據(jù)量大等特征，相關的股票分析方法，如基本面分析法、技術面分析法、時間序列分析法等，各有特色，但難以適應日趨復雜的股市。研究表明，股票趨勢預測的精度主

2、要受數(shù)據(jù)質(zhì)量和算法性能兩方面影響。因此，本文提出了一種特征自適應賦權的SVM股票趨勢預測模型，設計了基于遺傳算法(Genetic Algorithm，GA)特征自適應賦權算法和基于粒子群算法(Particle Swarm Optimization，PSO)的SVM參數(shù)優(yōu)化算法，選定了14個關鍵的股票財務指標，最終實現(xiàn)了股票漲跌趨勢預測模型。在實際股票數(shù)據(jù)集上的實驗結果表明，本文提出的股票趨勢預測模型是可行的和有效的，其性能優(yōu)于決策樹模型

3、、KNN模型、Bayes模型和BP神經(jīng)網(wǎng)絡模型。
　　本文主要工作如下:
　　(1)針對股票數(shù)據(jù)特征，提出了一種基于遺傳算法特征自適應賦權和粒子群算法優(yōu)化SVM參數(shù)的股票趨勢預測模型，即PSO-GA-SVM模型。
　　(2)在輸入數(shù)據(jù)質(zhì)量改善方面，利用遺傳算法對股票數(shù)據(jù)特征自適應賦權，以突出重要屬性，抑制冗余或次要屬性，進一步展現(xiàn)不同屬性對股票價格的影響程度。
　　(3)在算法性能提升方面，因為SVM的性能對其參