Resumen

Este artículo presenta un nuevo método de segmentación basado en tendencias (TBSM) y la regresión de vectores de soporte (SVR) para la previsión de series temporales financieras. El modelo se denomina TBSM-SVR. En la última década, SVR ha sido un modelo de previsión popular para problemas de series temporales no lineales. El método general de segmentación, es decir, la representación lineal a trozos (PLR), se ha aplicado para localizar un conjunto de puntos de negociación dentro de los datos de una serie temporal financiera. Sin embargo, debido a la dinámica del comercio bursátil, la PLR no puede reflejar los cambios de tendencia dentro de un periodo de tiempo específico. Por lo tanto, en esta investigación se desarrolla un método de segmentación basado en tendencias para superar este problema. El modelo se pone a prueba utilizando varios valores del mercado bursátil estadounidense con diferentes tendencias. Los resultados experimentales muestran que el modelo propuesto puede generar más beneficios que otros modelos. El modelo es muy práctico para su aplicación en el mundo real y puede aplicarse en tiempo real.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:modelo, svr, método de segmentación, datos de series temporales financieras, previsión de series temporales financieras, problema de series temporales no lineales, mercado bursátil estadounidense, diferentes tendencias, método general de segmentación, representación lineal a trozos
• Keywords:model, svr, segmentation method, financial time series data, financial time series forecasting, nonlinear time series problem, america stock market, different trend tendencies, general segmentation method, piecewise linear representation