基于信噪比的KPCA-SVM-KNN算法的股价预测研究

为了减少股价趋势中包含的噪声信息与输入变量之间的相关性对股价预测的影响，构造了信噪比（SNR）特征向量，提出了基于信噪比的KPCA-SVM KNN股价预测模型。通过借鉴国内A股市场股价的相关数据进行实证分析。结果表明：1）SNR特征向量的加入可以提高股票分类的准确性，进而提高股票价格预测的准确性。2） 与现有的SVM-KNN算法相比，该算法可以提高股票价格预测的准确性，减少预测误差，从而为决策者的投资决策提供帮助。