全文总字数：2840字

1. 研究目的与意义及国内外研究现状

当今社会金融证券业高度发展，逐渐走进普通群众生活之中，但是由于绝大部分普通人没有接受过系统的经融知识教育，在证券投资过程中很难做出理性深刻的抉择。股票价格现象是一个非线性的复杂系统，传统的股票投资价值研究方法有诸多不足，传统的模型方法无法克服模型检验困难和泛化能力差这两个难题。基于线性时间序列的评估方法，不能充分考虑到股价的非线性特征。虽然研究表明神经网络处理非线性问题具有非常好的效果，但是神经网络有非常明显的缺陷：对训练样本数量，分布性，有效性有较高要。神经网络不容易收敛，且容易陷入局部最小。且神经网络泛化能力差。

通过对公司财务数据建立具有优秀泛化能力的模型以帮助更多普通群众从更深的财务数据层理解一家公司股票的涨跌趋势，从而做出更理智高效的投资抉择。

国内外研究现状

随着证券市场的发展和健全，股价预测已经有了相当多的理论支撑：

传统证券投资分析法：基本分析法，技术分析法，演化分析法

2. 研究的基本内容

研究多种股票相关的特征中与股价涨跌相关性高的特征。

研究多种核函数在股票分类中的表现差异

尝试将boosting算法和SVM结合提升基分类器的性能

3. 实施方案、进度安排及预期效果

实施方案

通过爬虫程序对公司季度数据进行采集

建立svm评价分类模型

4. 参考文献

[1] peter harrington. 机器学习实战[m]. 北京市:人民邮电出版社,2013. 89-108.

[2] 梅长林, 范金城. 数据分析方法[m]. 北京市:高等教育出版社,2006. 113-120