摘要：为了解决单一的马尔可夫链(MC)模型在预测股价时出现预测状态不准确，使得其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，在此基础上引入支持向量回归(SVR)模型，并结合滚动预测的思想，形成MC＿SVR滚动模型。首先，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 = 204.003906，核函数参数γ= 0.003906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，其相比于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%，均方根误差RMSE分别降低了0.0007和0.0016，决定系数R2分别提高了0.0008和0.0018，DA统计量比SVR模型的低了1.9087，比LSTM模型高了8.2278，从整体上表面MC＿SVR滚动模型具有不错的预测精度。此外，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。
文章目录
1 基础理论知识
1.1 马尔可夫链
1.2 支持向量回归
1.3 评价指标
2 MC＿SVR滚动模型的构建
3 实证研究
3.1 股票数据选取和预处理
3.2 MC模型的实现
3.3 MC＿SVR滚动模型的实现
3.4 扩充实验
4 总结分析
