分别基于svm和arima模型的股票预测 python实现 附github源码

SVM（支持向量机）是一种常用的分类器和回归分析器，在股票预测中也有很多应用。SVM的核心思想是利用一个非线性映射将样本从原始空间映射到高维特征空间，进而在特征空间中构造最优分类超平面。

使用SVM进行股票预测需要将历史股票数据转化为特征向量。此外，还需要确定SVM的正则化参数和核函数类型等超参数。

ARIMA（自回归移动平均）模型是一种常用的时间序列分析模型，在股票预测中也很受欢迎。ARIMA模型可以分为三个部分：自回归(AR)、积分(I)、移动平均(MA)。

使用ARIMA进行股票预测需要确定模型的ARMA阶数(ARIMA(p,d,q))，并对模型的参数进行估计和预测，同时还需要对时间序列进行差分、平稳性检验等处理。

这里给出基于Python实现的SVM和ARIMA股票预测代码的GitHub链接：

SVM: https://github.com/omkarkhunwadkar/Stock-Prediction-Using-SVM

ARIMA: https://github.com/HudsonHu/Stock-Prediction-ARIMA