針對(duì)現(xiàn)有股價(jià)預(yù)測(cè)模型較復(fù)雜導(dǎo)致實(shí)際應(yīng)用性不強(qiáng)的問(wèn)題,構(gòu)建一個(gè)計(jì)算簡(jiǎn)便可廣泛應(yīng)用的時(shí)序權(quán)重均值模型,并選取滬深A(yù)股市場(chǎng)207支股票的243個(gè)交易日收盤價(jià)對(duì)該模型與常用的算數(shù)平均數(shù)法的預(yù)測(cè)精度進(jìn)行對(duì)比。結(jié)果表明在對(duì)股票價(jià)格做短期預(yù)測(cè)時(shí),算數(shù)平均數(shù)法預(yù)測(cè)值總是滯后實(shí)際水平,而時(shí)序權(quán)重均值模型對(duì)股價(jià)的變化反應(yīng)更靈敏。同時(shí)對(duì)比三日、四日和五日基期下的預(yù)測(cè)效果,發(fā)現(xiàn)該模型在基于連續(xù)三天歷史股價(jià)預(yù)測(cè)第四日股價(jià)的應(yīng)用中預(yù)測(cè)效果達(dá)到最佳。 

【文章來(lái)源】：沈陽(yáng)航空航天大學(xué)學(xué)報(bào). 2020年04期 第81-89頁(yè)

【文章頁(yè)數(shù)】：9 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于回聲狀態(tài)網(wǎng)絡(luò)的短期股價(jià)預(yù)測(cè)模型[J]. 張斌.  計(jì)算機(jī)應(yīng)用與軟件. 2017(05)
[2]基于粒子濾波的股價(jià)預(yù)測(cè)方法[J]. 陳亞靜,蔡如華,吳孫勇,桂叢楠.  統(tǒng)計(jì)與決策. 2017(03)
[3]基于LM遺傳神經(jīng)網(wǎng)絡(luò)的短期股價(jià)預(yù)測(cè)[J]. 郭建峰,李玉,安東.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(01)
[4]基于ARIMA模型的短期股票價(jià)格預(yù)測(cè)[J]. 吳玉霞,溫欣.  統(tǒng)計(jì)與決策. 2016(23)
[5]基于布谷鳥(niǎo)算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)模型的股價(jià)預(yù)測(cè)[J]. 孫晨,李陽(yáng),李曉戈,于嬌艷.  計(jì)算機(jī)應(yīng)用與軟件. 2016(02)
[6]基于非負(fù)權(quán)重最優(yōu)組合預(yù)測(cè)的股價(jià)預(yù)測(cè)研究[J]. 肖祎平,劉新衛(wèi),張威.  統(tǒng)計(jì)與決策. 2013(18)
[7]基于神經(jīng)網(wǎng)絡(luò)的股票市場(chǎng)預(yù)測(cè)研究綜述[J]. 鄭亞磊.  經(jīng)營(yíng)管理者. 2013(09)
[8]改進(jìn)PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的混沌時(shí)間序列預(yù)測(cè)[J]. 李松,劉力軍,劉穎鵬.  計(jì)算機(jī)工程與應(yīng)用. 2013(06)
[9]投資者分歧、異常交易量和股票橫截面收益率預(yù)測(cè)——基于中國(guó)股票市場(chǎng)的經(jīng)驗(yàn)證據(jù)[J]. 林虎,劉沖.  投資研究. 2011(10)
[10]股票價(jià)格預(yù)測(cè)模型研究[J]. 沈巍.  財(cái)經(jīng)問(wèn)題研究. 2009(07)



本文編號(hào)：2903279