金融时间序列预测/ SV回归

Question

我正在使用R软件（Lib e1071），并试图使用支持向量回归进行预测。我正在做的方式如下：

我使用N = 3倍的产率windowizing原始收盘价：

s[t-3] s[t-2]  s[t-1] -> s[t] 
1.2350 1.2358  1.2354  1.2360 
.   .   .    . 
.   .   .    . 

etc... 

我想预测的值是Y = S [T]。 SVM类型是“eps-regression”，内核是“radial”。此外，我执行10倍交叉验证以获得最佳参数，伽玛和成本。

但是我有一个问题：

预测总是最后值S [K-1]的非常接近的值，实例：

Last Vector: 

s[t-3] s[t-2]  s[t-1] -> s[t] 

1.2350 1.2358  1.2354  1.2355 

预测值将是最后s [t-1]值非常接近的值。我试图增加学习向量的数量（10K）并增加N收益（最多7），但结果是一样的。

有人可以告诉我为什么会发生这种情况，我怎么能得到真正的预测？

**

附录

**

关于从user__42样的答复，我有一些问题了解你的解释：

1）可以说，我有以下3个训练矢量集

10 s[t-3]   12 s[t-2]  15 s[t-1] ->  11 s[t] 
5 s[t-4]   8 s[t-3]  9 s[t-2] ->  10 s[t-1] 
6 s[t-5]   12 s[t-4]  10 s[t-3] ->  15 s[t-2] 

建议尝试的预测是Y”：

y'[t] = y[t] - y[-t] 

以上述例子

y'[t] = 11 - 15 -> y'[t] = y[t] - y[-1] 

但在实时预测，不知Y [t]的计算y'：

y'[t] = x - 15 

2）考虑到上面的例子，你能解释一下你所说的以下表述的意思是：

y'[nt] 


y'[-nt] 


y[nt] 

Answer 1

如果你使用真正的金融时间序列数据这种行为是挑战的一部分 - 因为财务时间系列非常嘈杂。

你可以尝试：

1. 写下你的内核参数，并尝试NU-SVR与相同的内核参数和选择NU = 0.1。这样，你会增加模型的复杂融合反对“死记硬背”（德文翻译与谷歌！“auswendiglernen”）

1.a.edit你可以尝试损失函数，而不是经典ε不敏感LF ，像高斯损失funktion（没有xp我自己）

1.b.edit我确实使用了FaLK-SVR一次。你可以将数据拆分为子数据 - 邻域：我认为这将帮助你获得更少的“平均”结果。 FaLKM-LIB是准备在LIBSVM使用实施筑底：http://disi.unitn.it/~segata/FaLKM-lib/

1. 包括在之间只（T-1，T S [吨-13]和s [T-27]（未值！ -2，t-3，t-13和t-27）给机器一个关于总体趋势的线索。

2. 你肯定需要更多的功能，如果你认真地试图预测像这个系列说天气;-)，micro-blogging或计算功能（通过隐马尔可夫）

3. 谷歌更容易玩具数据或查找here