本文關(guān)鍵詞：基于形態(tài)特征與因果嶺回歸的股市態(tài)勢預(yù)測算法

  更多相關(guān)文章： 貝葉斯網(wǎng)絡(luò) 能量模型 因果分析 嶺回歸模型 預(yù)測算法

【摘要】：基于股票波動典型的M形態(tài),提出一種基于因果關(guān)系的嶺回歸股市態(tài)勢預(yù)測算法。根據(jù)M形態(tài)的波動特征,引入能量思想,以M形態(tài)的邊、波峰和波谷為結(jié)點,構(gòu)建M形態(tài)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)模型。利用馬爾科夫毯算法和非對稱信息熵,得到M形態(tài)的局部因果結(jié)構(gòu)。采用因果強度的度量標(biāo)準(zhǔn),將M形態(tài)因果關(guān)系引入到嶺回歸模型中,對股市態(tài)勢進行預(yù)測。該模型通過將股票形成和能量波動的因果關(guān)系相結(jié)合,可以有效地發(fā)現(xiàn)股市的突變點。真實數(shù)據(jù)集上的實驗結(jié)果表明,相比標(biāo)準(zhǔn)的嶺回歸算法和基于徑向基的神經(jīng)網(wǎng)絡(luò)算法,該算法具有更好的預(yù)測效果。
【作者單位】： 合肥工業(yè)大學(xué)計算機與信息學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61175051,61070131,61175033)
【分類號】：F832.51;O212.1
【正文快照】： 1概述股票價格的走勢雖然受到多種因素影響[1],股票價格態(tài)勢變化仍然具有內(nèi)在規(guī)律和特點,股票價格的形態(tài)是各因素綜合結(jié)果在態(tài)勢上的表現(xiàn),如常見的M形態(tài)。現(xiàn)有的關(guān)于股票價格預(yù)測的方法主要采用的是一些傳統(tǒng)的時間序列模型[2],如常用的AR,ARMA, ARIMA模型等,可是這些模型的前

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 郭秀花,趙連偉;SAS6.11版嶺回歸分析程序設(shè)計及其實例分析[J];數(shù)理統(tǒng)計與管理;2001年01期

2 宋光輝;許林;郭文偉;;基于嶺回歸的基金投資風(fēng)格識別研究[J];現(xiàn)代管理科學(xué);2010年11期

3 開翔;;基于嶺回歸方法對我國未來一段時間通貨膨脹的預(yù)測[J];中國市場;2010年39期

4 顏學(xué)峰;;優(yōu)化嶺參數(shù)的非線性嶺回歸及4-CBA含量軟測量[J];智能系統(tǒng)學(xué)報;2006年01期

5 ;[J];;年期

，

本文編號：1209729