1. 研究目的与意义（文献综述）

1.目的及意义

对于股票价格预测的研究，已有研究结果显示，支持向量机相较于传统的股票价格预测方法与现在的神经网络预测方法而言更加适合具有非线性、非参数特征的股票价格预测。也有一些人已经使用了支持向量机来预测股票价格，但是传统的支持向量机回归分析只能最大限度拟合过去股票价格的变化趋势，以此来对股票价格进行粗略的点预测，而这样的预测精度并不高。想要得到更加精确的结果，还得对股票价格变化趋势和变化空间进行预测，这就需要引入模糊信息粒化。本文研究的目的就是期望通过支持向量机将模糊信息粒化后的上证指数数据来对开盘指数进行回归预测，从而得出在未来3至5天内上证指数开盘指数的变化空间。同时，本文将在核函数选择与参数优化方面，通过分析讨论国内外的研究成果，选取最适合的一种核函数与最适合的方法来寻优。最后还将结合信息粒化之后的支持向量机回归与未信息粒化的支持向量机回归的预测效果，来和其他的股票预测方法进行比较，以验证精确度最高的预测方法。本文的研究意义如下：

（1）理论意义

本文在前人研究的基础上，不仅进行了支持向量机的回归预测，还进一步结合信息粒化来预测开盘指数未来的趋势与变化空间，经过参数调优，增加了模型预测的准确度，两种方法的结合为之后股票价格的研究提供了参考。

2. 研究的基本内容与方案

1.研究的基本内容

论文的核心内容是利用支持向量机（svm）来对来对股票价格进行预测。其中分为传统的支持向量机回归分析与基于模糊信息粒化的支持向量机回归分析两部分，在回归分析前还有参数寻优方法与核函数选择的讨论。本文使用上证指数的历史数据来作为研究的数据基础，选取了与股票价格相关的六个指标，分别为：开盘指数、指数最高值、指数最低值、收盘指数、交易量、交易额。并将前一日的六个指标作为当日开盘指数的自变量，当日的开盘指数为因变量。本文共有五章，主要内容如下：

（1）概述论文的研究背景、研究目的与意义，并介绍国内外的研究现状，对股票价格预测方法进行综述。

3. 研究计划与安排

进度安排如下表所示：

4. 参考文献（12篇以上）