本文關鍵詞：股票投資短期預測的多模匹配識別算法

  更多相關文章： 股票投資 短期預測 人工智能 聚類 分類 回歸

【摘要】：從股票投資預測的技術發(fā)展方向來看,不同人工智能學習算法之間的組合學習日益得到關注�；诮M合學習的思想,提出了股票投資短期預測的多模匹配識別算法(MPMA)。算法通過迭代計算數(shù)據(jù)采樣頻率、聚類分組、模式匹配將股價預測和漲跌預測納入到一個統(tǒng)一的學習框架中,建立起不同人工智能學習算法之間的組合學習模型。實驗結果表明,所提算法具有較好的預報和泛化能力。
【作者單位】： 中國科學院大學金融科技研究中心;
【關鍵詞】： 股票投資 短期預測 人工智能 聚類 分類 回歸
【基金】：齊魯證券校企合作研究基金資助項目(Y24101J1G2)
【分類號】：F832.51;TP18
【正文快照】： 0引言股票市場的預測是金融時間序列預測中一項具有挑戰(zhàn)性的工作。作為市場經(jīng)濟的重要特征,股票市場可以及時地反映出國民經(jīng)濟的任何細微波動,因此股票市場具有多噪聲、高度不穩(wěn)定的特性。根據(jù)有效市場假說(Efficient MarketHypothesis,MH)[1],股票價格應當充分反映股票市場的

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 孫彬;李鐵克;張文學;;基于結構修剪神經(jīng)網(wǎng)絡的股票指數(shù)預測模型[J];計算機應用研究;2011年08期

2 李清峰;彭文峰;何靜;;基于神經(jīng)網(wǎng)絡技術的股票頻譜分析[J];中南大學學報(自然科學版);2011年03期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 劉輝煌;莫憲;饒彬;;基于Lotka-Volterra模型的中國股票市場非線性特征——一個生態(tài)學的視角[J];財經(jīng)理論與實踐;2014年04期

2 張雨濃;曲璐;陳俊維;劉錦榮;郭東生;;多輸入Sigmoid激勵函數(shù)神經(jīng)網(wǎng)絡權值與結構確定法[J];計算機應用研究;2012年11期

3 俞國紅;楊德志;叢佩麗;;ARIMA和RBF神經(jīng)網(wǎng)絡相融合的股票價格預測研究[J];計算機工程與應用;2013年18期

4 劉昆;李紅林;李穎芳;;基于時序數(shù)據(jù)的學生分層算法研究[J];中國科技信息;2013年09期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 宋有碩;T型導軌壓力彎曲變形及其校直工藝理論研究[D];浙江大學;2014年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 耿麗君;證券投資管理中收益率的預測方法研究[D];中南大學;2013年

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 夏卿卿;楊晉浩;鐘守銘;;基于股價均線形態(tài)序列的數(shù)據(jù)挖掘模型[J];電子科技大學學報;2007年S1期

2 智晶;張冬梅;姜鵬飛;;基于主成分的遺傳神經(jīng)網(wǎng)絡股票指數(shù)預測研究[J];計算機工程與應用;2009年26期

3 高鵬毅;陳傳波;秦升;胡迎松;;一種新的基于Agent的神經(jīng)網(wǎng)絡隱層節(jié)點數(shù)的優(yōu)化算法[J];計算機工程與科學;2010年05期

4 鄭宇泉;姜青山;管河山;;基于聚類的股票波動分析及其應用[J];四川大學學報(工程科學版);2007年S1期

5 鮑新中;劉澄;孫彬;;LM-BP算法在金融股指預測中的參數(shù)設定[J];系統(tǒng)管理學報;2009年06期

6 劉磊;;基于遺傳神經(jīng)網(wǎng)絡的指數(shù)跟蹤優(yōu)化方法[J];系統(tǒng)工程理論與實踐;2010年01期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 呂淑萍;小波網(wǎng)絡建模預報方法研究及其在股市預測中的應用[D];哈爾濱工程大學;2004年

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 郭白奇,胡細如;甘肅省工業(yè)月產(chǎn)值預測系統(tǒng)[J];計算機應用研究;1989年03期

2 郝華寧;劉陽;;基于遺傳神經(jīng)網(wǎng)絡的個股價格短期預測[J];西安石油大學學報(自然科學版);2010年02期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 張博;混沌支持向量機風速短期預測及其在pcDuino平臺實現(xiàn)[D];中北大學;2014年

，

本文編號：891412