本文關(guān)鍵詞：基于新式組合算法的上證綜合指數(shù)預(yù)測

  更多相關(guān)文章： 股市預(yù)測 上證綜合指數(shù) 粒子群優(yōu)化 非線性獨(dú)立成分分析

【摘要】：關(guān)于股票價格準(zhǔn)確預(yù)測問題,借助股票價格指數(shù),投資者可以掌握股市整體的發(fā)展動態(tài)。為了增加收益,降低風(fēng)險,制定正確的投資決策,合理預(yù)測股指是必要的。然而傳統(tǒng)預(yù)測方法存在方法單一、缺乏定性分析等不足,難以適應(yīng)國內(nèi)復(fù)雜的股票市場。為解決上述問題,在股市可以預(yù)測的前提下,從股市自身特點(diǎn)出發(fā),提出了一種定性與定量相結(jié)合的新式組合算法。將粒子群優(yōu)化(PSO)、非線性獨(dú)立成分分析(NLICA)、BP神經(jīng)網(wǎng)絡(luò)三種算法相結(jié)合,建立上證綜指預(yù)測模型,并通過計算機(jī)仿真進(jìn)行模型驗(yàn)證。結(jié)果表明新式組合預(yù)測模型比傳統(tǒng)方法的適應(yīng)性和智能性更強(qiáng),預(yù)測精度更高,在股市短期預(yù)測中具有一定實(shí)用價值。
【作者單位】： 中國航天系統(tǒng)科學(xué)與工程研究院;哈爾濱工業(yè)大學(xué)管理學(xué)院;
【關(guān)鍵詞】： 股市預(yù)測 上證綜合指數(shù) 粒子群優(yōu)化 非線性獨(dú)立成分分析
【分類號】：F830.91;TP301.6
【正文快照】： 1引言股票市場自誕生以來,就以其無窮的魅力吸引著眾多投資者參與其中。為了盡可能增加收益,不少投資者開始追求股市預(yù)測,期望預(yù)知未來,未雨綢繆。在這方面,學(xué)術(shù)界中卻存在著反對的聲音,其中兩個代表性理論是“有效市場假設(shè)”和“隨機(jī)游走假說”[1],文獻(xiàn)[1]中說明了二者應(yīng)用在

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 史海軍;王志剛;郭廣寒;;引入變異算子的粒子群優(yōu)化算法[J];長春理工大學(xué)學(xué)報(自然科學(xué)版);2007年03期

2 林令娟;劉希玉;;動態(tài)自適應(yīng)微粒群優(yōu)化算法[J];信息技術(shù)與信息化;2009年02期

3 楊曉燕;;一種離散型多目標(biāo)粒子群優(yōu)化算法[J];莆田學(xué)院學(xué)報;2010年02期

4 湛燕;陳昊;;使用粒子群優(yōu)化算法學(xué)習(xí)聚類算法的參數(shù)[J];大眾科技;2010年06期

5 李炳宇;蕭蘊(yùn)詩;;新的進(jìn)化計算算法——粒子群優(yōu)化算法[J];計算機(jī)科學(xué);2003年06期

6 文瑾;;基于VB語言的粒子群優(yōu)化算法描述[J];昆明大學(xué)學(xué)報;2006年04期

7 林杰;孫淑霞;文武;;基于粒子群優(yōu)化算法的圖像小波閾值去噪研究[J];計算機(jī)技術(shù)與發(fā)展;2007年04期

8 肖麗;張偉;張?jiān)?;一種結(jié)合自適應(yīng)局部搜索的粒子群優(yōu)化算法[J];計算機(jī)科學(xué);2007年08期

9 羅平;姚立海;楊仕友;倪光正;唐躍進(jìn);;一種改進(jìn)的粒子群優(yōu)化算法[J];江南大學(xué)學(xué)報(自然科學(xué)版);2007年05期

10 王德超;涂亞慶;;基于改進(jìn)粒子群優(yōu)化算法的非線性攝像機(jī)標(biāo)定[J];計算機(jī)工程與科學(xué);2007年11期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李猛;王道波;甄子洋;;基于改進(jìn)混合粒子群優(yōu)化算法的模型最優(yōu)降階[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 陳志盛;李勇剛;;改進(jìn)粒子群優(yōu)化算法及其在磨削加工中的應(yīng)用[A];第二十七屆中國控制會議論文集[C];2008年

3 徐東;李曄;唐旭東;龐永杰;廖煜雷;;基于變異行為的自適應(yīng)粒子群優(yōu)化算法[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

4 司維超;韓維;史瑋韋;顏剛;;一種基于蜜蜂多群體覓食的粒子群優(yōu)化算法[A];中國自動化學(xué)會控制理論專業(yè)委員會B卷[C];2011年

5 高尚;孫玲芳;;求最平坦的三次樣條插值的粒子群優(yōu)化算法[A];第二屆中國CAE工程分析技術(shù)年會論文集[C];2006年

6 王濤;王曉霞;劉敬剛;;基于改進(jìn)粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法[A];第二屆中國智能計算大會論文集[C];2008年

7 高尚;蔣新姿;湯可宗;楊靜宇;;蟻群算法與粒子群優(yōu)化算法的混合算法[A];第25屆中國控制會議論文集（中冊）[C];2006年

8 張緒杰;李紹軍;錢鋒;;基于共享機(jī)制的小生境粒子群優(yōu)化算法[A];2005中國控制與決策學(xué)術(shù)年會論文集（上）[C];2005年

9 宋瑩;陳增強(qiáng);袁著祉;;一種新型混沌粒子群算法及在非線性系統(tǒng)中的應(yīng)用[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國高校通信類院系學(xué)術(shù)研討會論文集[C];2007年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 德邦證券 吳炳華;估值偏高機(jī)會難覓[N];上海金融報;2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 徐星;融合熱運(yùn)動機(jī)制的粒子群優(yōu)化算法研究及其應(yīng)用[D];武漢大學(xué);2010年

2 劉波;粒子群優(yōu)化算法及其在機(jī)電設(shè)備中的應(yīng)用研究[D];中北大學(xué);2011年

3 劉華鎣;粒子群優(yōu)化算法的改進(jìn)研究及在石油工程中的應(yīng)用[D];東北石油大學(xué);2012年

4 孫越泓;基于粒子群優(yōu)化算法的圖像分割研究[D];南京理工大學(xué);2010年

5 胡旺;圖像融合中的關(guān)鍵技術(shù)研究[D];四川大學(xué);2006年

6 李寧;粒子群優(yōu)化算法的理論分析與應(yīng)用研究[D];華中科技大學(xué);2006年

7 張勁松;基于受控混雜Petri網(wǎng)的連續(xù)過程生產(chǎn)調(diào)度建模及優(yōu)化方法[D];山東大學(xué);2008年

8 蒲曉蓉;多模態(tài)生物特征融合的神經(jīng)網(wǎng)絡(luò)方法[D];電子科技大學(xué);2007年

9 張宇林;計算智能在土壤數(shù)據(jù)融合中的應(yīng)用研究[D];江南大學(xué);2009年

10 李莉;柔性作業(yè)車間調(diào)度中的群智能優(yōu)化算法研究[D];東北林業(yè)大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張新娟;改進(jìn)粒子群優(yōu)化算法及其在圖像分割中的應(yīng)用[D];陜西師范大學(xué);2011年

2 劉煌;基于GA的改進(jìn)粒子群算法研究及其在TSP上的應(yīng)用[D];武漢理工大學(xué);2010年

3 苗愛敏;基于動態(tài)特征的粒子群優(yōu)化算法研究[D];云南大學(xué);2010年

4 劉現(xiàn);蛋白質(zhì)結(jié)構(gòu)預(yù)測的粒子群優(yōu)化算法研究[D];福建農(nóng)林大學(xué);2011年

5 張群;改進(jìn)粒子群優(yōu)化算法在投影尋蹤聚類中的應(yīng)用研究[D];陜西師范大學(xué);2010年

6 方昕;粒子群優(yōu)化算法在路徑規(guī)劃中的應(yīng)用[D];陜西師范大學(xué);2010年

7 劉蘭霞;多目標(biāo)粒子群優(yōu)化算法研究[D];湖南科技大學(xué);2010年

8 李宏;自適應(yīng)粒子群優(yōu)化算法及其在圖像分割中的應(yīng)用[D];大連理工大學(xué);2006年

9 葉海燕;粒子群優(yōu)化算法及其在股票市場預(yù)測優(yōu)化問題中的應(yīng)用[D];廣州大學(xué);2008年

10 肖高超;改進(jìn)型粒子群優(yōu)化算法及其在圖像分割中的應(yīng)用[D];廣西師范大學(xué);2008年

，

本文編號：917166