本文關(guān)鍵詞： 證券年報(bào) 股票預(yù)測(cè) 細(xì)粒度超網(wǎng)絡(luò) 卡方分裂算法 機(jī)器學(xué)習(xí)　出處：《江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版)》2017年03期 　論文類型：期刊論文

【摘要】：為了更準(zhǔn)確地預(yù)測(cè)股票的走勢(shì),提出了一種基于細(xì)粒度演化超網(wǎng)絡(luò)的股票預(yù)測(cè)方法.對(duì)2011年證券年報(bào)數(shù)據(jù)進(jìn)行處理,以預(yù)測(cè)其中股票在2012年的走勢(shì).采用卡方分裂算法和等寬度離散化相結(jié)合的方法對(duì)股票數(shù)據(jù)進(jìn)行有效的離散化,以應(yīng)對(duì)連續(xù)型數(shù)據(jù)簡(jiǎn)單二值化處理造成的信息損失,然后采用細(xì)粒度演化超網(wǎng)絡(luò)模型預(yù)測(cè)每支股票在未來(lái)一年內(nèi)的走勢(shì).試驗(yàn)結(jié)果表明:細(xì)粒度演化超網(wǎng)絡(luò)對(duì)股票走勢(shì)預(yù)測(cè)正確率是86.73%,股票上漲預(yù)測(cè)正確率是75.00%.得到了用細(xì)粒度超網(wǎng)絡(luò)挖掘影響股票上漲的重要特征組合及其對(duì)應(yīng)的取值范圍,為投資者提供了一種可靠而又方便的選股新方法.
[Abstract]:In order to predict the trend of stock more accurately, a method of stock prediction based on fine-grained evolutionary supernetwork is proposed. The data of securities annual report in 2011 are processed. In order to predict the trend of the stocks in 2012, the method of combining chi-square splitting algorithm and equal-width discretization is used to discretize the stock data effectively, so as to deal with the information loss caused by the simple binary processing of continuous data. Then the fine-grained evolutionary supernetwork model is used to predict the trend of each stock in the next year. The experimental results show that the accuracy of fine-grained evolutionary supernetwork in predicting stock trend is 86.73, and the accuracy of stock rising prediction is 75.00. This paper uses fine-grained supernetwork to mine the important feature combinations that affect the stock price rise and its corresponding value range. For investors to provide a reliable and convenient stock selection new method.
【作者單位】： 重慶郵電大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;重慶郵電大學(xué)計(jì)算智能重慶市重點(diǎn)實(shí)驗(yàn)室;
【基金】：重慶市研究生科研創(chuàng)新項(xiàng)目(CYS15167,CYS14147,CYS14150) 重慶市基礎(chǔ)與前沿研究計(jì)劃項(xiàng)目(cstc2014jcyjA40001)
【分類號(hào)】：F832.51;O157.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前9條

1 歐陽(yáng)純萍;陽(yáng)小華;雷龍艷;徐強(qiáng);余穎;劉志明;;多策略中文微博細(xì)粒度情緒分析研究[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

2 謝圣獻(xiàn);李俊青;李新友;于會(huì)山;陳晨;何順剛;劉廣亮;姜華;;動(dòng)態(tài)細(xì)粒度訪問(wèn)控制關(guān)鍵問(wèn)題研究[J];聊城大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

3 易明;毛進(jìn);鄧衛(wèi)華;;基于社會(huì)化標(biāo)簽網(wǎng)絡(luò)的細(xì)粒度用戶興趣建模[J];現(xiàn)代圖書(shū)情報(bào)技術(shù);2011年04期

4 張明慧;李永剛;;基于細(xì)粒度的訪問(wèn)控制及性能優(yōu)化[J];鄭州師范教育;2012年04期

5 賀飛艷;何炎祥;劉楠;劉健博;彭敏;;面向微博短文本的細(xì)粒度情感特征抽取方法[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

6 廖斌;;網(wǎng)絡(luò)環(huán)境中CAD系統(tǒng)協(xié)作研究[J];科技資訊;2009年12期

7 邵華;江南;胡斌;呂恒;朱進(jìn);;利用GPU的R樹(shù)細(xì)粒度并行STR方法批量構(gòu)建[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2014年09期

8 夏飛;竇勇;徐佳慶;張陽(yáng);;基于FPGA的存儲(chǔ)優(yōu)化的細(xì)粒度并行Zuker算法加速器研究[J];計(jì)算機(jī)研究與發(fā)展;2011年04期

9 ;[J];;年期

相關(guān)會(huì)議論文 前5條

1 葉蘊(yùn)芳;楊榆;羅鑫;徐國(guó)愛(ài);;Appfuse系統(tǒng)中細(xì)粒度權(quán)限控制的研究與實(shí)現(xiàn)[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會(huì)通信與信息技術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

2 江偉玉;高能;劉澤藝;林雪燕;;一種云計(jì)算中的多重身份認(rèn)證與授權(quán)方案[A];第27次全國(guó)計(jì)算機(jī)安全學(xué)術(shù)交流會(huì)論文集[C];2012年

3 郭磊;唐玉華;周杰;董亞卓;;基于FPGA的Cholesky分解細(xì)粒度并行結(jié)構(gòu)與實(shí)現(xiàn)[A];2010年第16屆全國(guó)信息存儲(chǔ)技術(shù)大會(huì)（IST2010）論文集[C];2010年

4 李俊青;謝圣獻(xiàn);劉廣亮;陳晨;;P2P網(wǎng)絡(luò)基于蟻群優(yōu)化的動(dòng)態(tài)細(xì)粒度訪問(wèn)控制框架[A];2008年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(下冊(cè))[C];2008年

5 盛振華;吳羽;江錦華;壽黎但;陳剛;;InfoSigs:一種面向WEB對(duì)象的細(xì)粒度聚類算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（A輯）[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 趙曉濤;巡展中的三大熱門(mén)[N];網(wǎng)絡(luò)世界;2007年

2 樂(lè)天邋編譯;編織一張更好的Web[N];計(jì)算機(jī)世界;2007年

相關(guān)博士學(xué)位論文 前4條

1 付興兵;基于屬性基加密的細(xì)粒度訪問(wèn)控制機(jī)制研究[D];電子科技大學(xué);2016年

2 時(shí)杰;關(guān)系數(shù)據(jù)庫(kù)細(xì)粒度訪問(wèn)控制研究[D];華中科技大學(xué);2010年

3 朱倩;面向自由文本的細(xì)粒度關(guān)系抽取的關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2011年

4 余a\;基于Simulink模型的細(xì)粒度多線程技術(shù)研究[D];浙江大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 趙黎光;基于依存句法的句子級(jí)細(xì)粒度情感計(jì)算[D];華南理工大學(xué);2015年

2 李星宇;一種細(xì)粒度Cloud-RAN框架與關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2014年

3 酈麗珍;基于Open vSwitch虛擬網(wǎng)絡(luò)的細(xì)粒度訪問(wèn)控制[D];復(fù)旦大學(xué);2013年

4 姚亮;數(shù)據(jù)訪問(wèn)控制中基于中間代理的用戶撤銷方法[D];西安電子科技大學(xué);2014年

5 占文平;面向產(chǎn)品評(píng)論的情感分析技術(shù)研究[D];浙江工商大學(xué);2015年

6 樓弘;基于深度神經(jīng)網(wǎng)絡(luò)的傳感器覆蓋細(xì)粒度優(yōu)化研究[D];浙江工業(yè)大學(xué);2015年

7 蔡雅雅;基于半監(jiān)督集成剪枝算法的細(xì)粒度城市空氣質(zhì)量估計(jì)[D];浙江大學(xué);2016年

8 何東梅;細(xì)粒度物體分類算法研究與實(shí)現(xiàn)[D];北京交通大學(xué);2016年

9 廖純;基于句法和語(yǔ)義的話題細(xì)粒度情感分析的研究[D];北京理工大學(xué);2016年

10 李毅;屬性層級(jí)觀點(diǎn)挖掘技術(shù)的研究與應(yīng)用[D];石家莊鐵道大學(xué);2016年

，

本文編號(hào)：1526412