本文關(guān)鍵詞：基于MPCA-RBF模型的證券市場(chǎng)指數(shù)時(shí)間序列預(yù)測(cè)　出處：《計(jì)算機(jī)應(yīng)用研究》2017年11期 　論文類型：期刊論文

  更多相關(guān)文章： 證券市場(chǎng) 張量 多線性主成分分析法 徑向基神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè)

【摘要】：針對(duì)證券市場(chǎng)指數(shù)內(nèi)部結(jié)構(gòu)的復(fù)雜性和影響因素的高維性,提出基于MPCA-RBF(多線性主成分分析法—徑向基神經(jīng)網(wǎng)絡(luò))模型的證券市場(chǎng)指數(shù)時(shí)間序列預(yù)測(cè)方法。由于證券市場(chǎng)間存在關(guān)聯(lián)性,選取了7個(gè)證券市場(chǎng)及34個(gè)技術(shù)指標(biāo)構(gòu)建三維張量模型,采用張量方法——MPCA進(jìn)行特征提取,使降維的同時(shí)充分保留數(shù)據(jù)內(nèi)部結(jié)構(gòu),之后利用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行回歸預(yù)測(cè),提高了預(yù)測(cè)精度。對(duì)恒生指數(shù)和日經(jīng)225指數(shù)的實(shí)驗(yàn)結(jié)果顯示,與非張量模型相比,該模型預(yù)測(cè)誤差較小,預(yù)測(cè)精度有較顯著的提高,表明該模型能充分地保留證券時(shí)間序列內(nèi)部結(jié)構(gòu),證明了其在證券預(yù)測(cè)領(lǐng)域的有效性和實(shí)用性。
[Abstract]:According to the high dimensional factors of the internal structure of the stock market index of the complexity and influence, proposed based on MPCA-RBF (multi linear principal component analysis and RBF neural network) forecasting method of stock market index time series model. Because of the existence of correlation between securities markets, selected 7 securities market and 34 technical indicators to construct 3D tensor the model, by using tensor method, MPCA feature extraction, the dimension is reduced and fully retained internal data structure, then using RBF neural network regression prediction, the prediction precision is improved. The Hang Seng Index and the index of the 225 day after the experimental results show that compared with the non tensor model, the forecasting error is smaller, the prediction accuracy is significantly improved, show that the model can fully retain the internal structure of stock time series, prove the securities forecast validity and practicability.

【作者單位】： 武漢理工大學(xué)信息工程學(xué)院;
【基金】：國家自然科學(xué)基金面上項(xiàng)目(51479159) 湖北省自然科學(xué)基金面上項(xiàng)目(2014CFB868) 國家教育部歸國人員啟動(dòng)基金資助項(xiàng)目(教外司留[2014]1685號(hào)) 中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2015-zy-091)
【分類號(hào)】：F832.51;TP183
【正文快照】： 0引言作為金融市場(chǎng)的主體,證券市場(chǎng)的穩(wěn)定發(fā)展對(duì)國民經(jīng)濟(jì)發(fā)展起著重要支撐作用。證券市場(chǎng)指數(shù)漲跌是經(jīng)濟(jì)、政治、社會(huì)各因素的綜合反映,其智能預(yù)測(cè)能保障投資利益最大化。證券市場(chǎng)指數(shù)的變化受多種誘因影響,且各市場(chǎng)因素間存在相互關(guān)系,難以建立準(zhǔn)確的預(yù)測(cè)模型。但基于歷史相

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 游培寒,王振家,項(xiàng)海林;一種基于誤差的徑向基神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法[J];計(jì)算機(jī)工程;2003年17期

2 范小龍;曹詠弘;;基于徑向基神經(jīng)網(wǎng)絡(luò)的加速度計(jì)隨機(jī)誤差處理[J];軍民兩用技術(shù)與產(chǎn)品;2014年03期

3 石紅瑞,劉勇,劉寶坤,李光泉;基于混合遞階遺傳算法的徑向基神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法及其應(yīng)用[J];控制理論與應(yīng)用;2002年04期

4 李灝荃,王寶樹;自組織徑向基神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)融合中的應(yīng)用[J];華東交通大學(xué)學(xué)報(bào);2003年01期

5 王向華,覃征,劉宇,史哲文;徑向基神經(jīng)網(wǎng)絡(luò)解決威脅排序問題[J];系統(tǒng)仿真學(xué)報(bào);2004年07期

6 楊琦;萬華;;一種調(diào)整型徑向基神經(jīng)網(wǎng)絡(luò)偏微分方程解法[J];彈箭與制導(dǎo)學(xué)報(bào);2006年03期

7 夏昌浩;向?qū)W軍;胡翔勇;;熱電偶徑向基神經(jīng)網(wǎng)絡(luò)模型研究[J];三峽大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

8 陳宗海;苑明哲;向微;張彥武;;基于混合徑向基神經(jīng)網(wǎng)絡(luò)的建模及其逆模控制研究[J];模式識(shí)別與人工智能;2006年06期

9 滕少華;王琳;;徑向基神經(jīng)網(wǎng)絡(luò)在入侵檢測(cè)中的應(yīng)用[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期

10 宣士斌;農(nóng)正;黃仕成;;鋁合金光電光譜分析的徑向基神經(jīng)網(wǎng)絡(luò)方法[J];計(jì)算機(jī)與應(yīng)用化學(xué);2007年08期

相關(guān)會(huì)議論文 前10條

1 劉昊;王濤;范偉;彭光正;王可;;基于復(fù)合徑向基神經(jīng)網(wǎng)絡(luò)的人手抓持辨識(shí)與測(cè)量[A];中國儀器儀表學(xué)會(huì)第十二屆青年學(xué)術(shù)會(huì)議論文集[C];2010年

2 朱鋒;周瑋;孫輝;;基于相似日聚類的徑向基神經(jīng)網(wǎng)絡(luò)風(fēng)速預(yù)測(cè)方法[A];中國可再生能源學(xué)會(huì)海洋能專業(yè)委員會(huì)成立大會(huì)暨第一屆學(xué)術(shù)討論會(huì)論文集[C];2008年

3 蔣豐;馮奇;;基于RBF網(wǎng)絡(luò)的受沖擊艦艇生命力分析[A];慶祝中國力學(xué)學(xué)會(huì)成立50周年暨中國力學(xué)學(xué)會(huì)學(xué)術(shù)大會(huì)’2007論文摘要集（下）[C];2007年

4 徐勇;陳增強(qiáng);袁著祉;;單調(diào)RBF神經(jīng)網(wǎng)絡(luò)構(gòu)造逼近單調(diào)函數(shù)[A];第二十二屆中國控制會(huì)議論文集（下）[C];2003年

5 時(shí)天;馬憲民;;基于徑向基神經(jīng)網(wǎng)絡(luò)的煤礦工作面瓦斯預(yù)測(cè)研究[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（3）[C];2008年

6 向微;陳宗海;張海濤;秦廷;王雷;李明;;基于混合徑向基神經(jīng)網(wǎng)絡(luò)的逆�？刂芠A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2003年

7 黃文龍;張殿治;張勇強(qiáng);;基于Log-Sigmoid型徑向基神經(jīng)網(wǎng)絡(luò)的輻射源威脅評(píng)估[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

8 游培寒;王振家;;一種構(gòu)造徑向基神經(jīng)網(wǎng)絡(luò)的新型IPL算法[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

9 張運(yùn)陶;楊曉麗;;自適應(yīng)徑向基神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[A];第十屆全國信息技術(shù)化工應(yīng)用年會(huì)論文集[C];2005年

10 朱順泉;;基于兩類神經(jīng)網(wǎng)絡(luò)技術(shù)的信貸企業(yè)信用分類應(yīng)用研究[A];第三屆（2008）中國管理學(xué)年會(huì)——技術(shù)與創(chuàng)新管理分會(huì)場(chǎng)論文集[C];2008年

相關(guān)博士學(xué)位論文 前3條

1 孫海濤;基于徑向基神經(jīng)網(wǎng)絡(luò)的無網(wǎng)格法及其應(yīng)用[D];華中科技大學(xué);2006年

2 盧金娜;基于優(yōu)化算法的徑向基神經(jīng)網(wǎng)絡(luò)模型的改進(jìn)及應(yīng)用[D];中北大學(xué);2015年

3 陳三風(fēng);三維氣動(dòng)式微重力環(huán)境模擬平臺(tái)的智能控制系統(tǒng)研究[D];中國科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 王華秋;一種改進(jìn)型徑向基神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用[D];重慶大學(xué);2003年

2 楊學(xué)文;基于徑向基神經(jīng)網(wǎng)絡(luò)的白銀現(xiàn)貨價(jià)格預(yù)測(cè)研究[D];燕山大學(xué);2015年

3 胡國標(biāo);基于DW-RBF神經(jīng)網(wǎng)絡(luò)的軸箱結(jié)構(gòu)參數(shù)優(yōu)化研究[D];西南交通大學(xué);2015年

4 喬石;基于人腦學(xué)習(xí)與記憶的多源信息融合算法研究[D];河北工業(yè)大學(xué);2015年

5 章超;徑向基神經(jīng)網(wǎng)絡(luò)的智能學(xué)習(xí)算法及其在軟測(cè)量中的應(yīng)用[D];南京郵電大學(xué);2015年

6 宋錫友;徑向基神經(jīng)網(wǎng)絡(luò)的研究及在粒度軟測(cè)量中的應(yīng)用[D];東北大學(xué);2009年

7 樊培培;徑向基神經(jīng)網(wǎng)絡(luò)及其在紅外客流采集問題中的應(yīng)用研究[D];河北工業(yè)大學(xué);2007年

8 薛升翔;徑向基神經(jīng)網(wǎng)絡(luò)算法優(yōu)化及在嵌入式系統(tǒng)中的應(yīng)用[D];新疆大學(xué);2011年

9 張海濤;基于卡爾曼濾波器算法的徑向基神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法研究[D];北京化工大學(xué);2007年

10 孫林君;徑向基神經(jīng)網(wǎng)絡(luò)的逼近能力研究[D];大連理工大學(xué);2006年

，

本文編號(hào)：1362819