1. 研究目的与意义及国内外研究现状

收盘指数是衡量一支股票的重要指标之一，收盘指数的波动具有很强的随机性和非线性，受很多不确定因素影响，不同股票之间的相互关系也会导致股价的波动，仅依据基础的股票技术指标对收盘价的预测往往达不到预期的效果。所以如果能过将数据挖掘应用在收盘指数的预测中，就更有意义，因为通常在都是运用传统的garch族模型拟合，我将首先在此基础上再采取garch模型与自回归模型相结合的组合模型以及基于数据挖掘的支持向量机模型。根据这几个不同的模型比较它们的优缺点，由于支持向量机是与其他两个方法完全不同的模型，它是机器语言，属于数据挖掘，对处理非线性小样本的数据具有很好的效果。主要中心在支持向量机方面，所以更有研究的意义和价值，比较这几种方法的拟合和预测效果对股价可以更准确的预测。

2. 研究的基本内容

将主要探讨基于数据挖掘的支持向量机模型与时间序列模型对同一个问题的处理方式有哪些不一样或者相同的地方，比较两种方法的处理方式以及预测的效果。选取某个股票的收盘指数为样本，首先采用GARCH族模型中的GARCH和非对称的EGARCH、PARCH、TGARCH模型进行分析，探讨数据的内在关系并选择拟合最优的模型做预测；然后在此基础上将GARCH族模型与自回归模型相结合，分别用AR-GARCH、AR-EGARCH、AR-PGARCH分别拟合同一序列，选择拟合最好的模型与GARCH族中拟合最好的进行对比。针对这两种时间序列的方法，再提出机器语言的支持向量机对数据预测进行改进，并比较支持向量机与时间序列预测对于同一数据的处理方式以及拟合效果，希望可以提出合理的建议。

3. 实施方案、进度安排及预期效果

4. 参考文献

[1]vapnik，v.n.the nature of satistical learning theory[m].new.york:springer verlag，1995：1-314.