本文關鍵詞： K線特征 孕育成熟度 爆發(fā)力 能量 股市生命期　出處：《計算機應用研究》2016年06期 　論文類型：期刊論文

【摘要】：股市中K線特征是股價漲跌的因果信息,基于支持向量機(SVM)的股價預測模型沒有考慮K線特征知識,對于股價態(tài)勢難以有效預測。提出基于K線能量計算的股市生命期支持向量機態(tài)勢預測算法(LPFSVM),首先,提取典型K線特征,通過引入特征的孕育成熟度和爆發(fā)力定義,給出K線特征支持向量機算法(KLF-SVM);進而,在KLF-SVM算法基礎上定義特征的能量計算模型給出一種K線能量計算的SVM股價預測算法。為了有效地預測態(tài)勢,引入股價波動的生命期概念,通過K線組合特征判定股價所處的生命期的階段,進而結(jié)合生命期階段之間的時序影響關系給出一種基于生命期的股價態(tài)勢預測算法。在上證和深證數(shù)據(jù)集上的實驗結(jié)果表明,LPF-SVM算法對于股價上升波段和下跌波段的股價預測取得了很好的效果。
[Abstract]:K line feature in stock market is the causal information of stock price rise and fall. The stock price prediction model based on support vector machine (SVM) does not take account of K line feature knowledge. It is difficult to predict stock price situation effectively. This paper proposes a life-cycle support vector machine (LPFSVM-based) algorithm based on K-line energy calculation. Firstly, it extracts the typical K-line features. By introducing the definition of gestation maturity and explosive force, the K-line feature support vector machine (KLF-SVM) algorithm is presented. Then, based on the KLF-SVM algorithm, a SVM stock price prediction algorithm for K-line energy calculation is proposed, which defines the characteristic energy calculation model. The concept of life period of stock price fluctuation is introduced, and the stage of life period of stock price is determined by K-line combination characteristics. Furthermore, an algorithm of stock price situation prediction based on life cycle is proposed, which is based on the relationship between life stages. The experimental results on Shanghai Stock Exchange and Shenzhen Stock Exchange data set show that. The LPF-SVM algorithm is very effective for the stock price prediction in the rising and falling bands.
【作者單位】： 合肥工業(yè)大學計算機與信息學院;
【基金】：國家自然科學基金資助項目(61175051;61070131;61175033)
【分類號】：TP18
【正文快照】： 0引言隨著金融市場的發(fā)展,股票投資在人們生活中的地位越來越重要,使用高效的挑選方法可以幫助人們在股票投資中取得豐厚的回報。但是中國股市因為受法制建設不健全、市場機制不完善以及投資者心理不成熟等因素影響容易產(chǎn)生大的波動[1],使得股票價格難以有效地預測。對于股票

【相似文獻】

相關期刊論文 前10條

1 薛明;高德民;;無線傳感器網(wǎng)絡最大生命期與最大流路由算法[J];計算機工程與應用;2013年12期

2 薛明;高德民;;無線傳感器網(wǎng)絡最大生命期聚合樹路由算法[J];傳感器與微系統(tǒng);2014年01期

3 鄭浩然,何勁松,王煦法;基于生命期引導的進化控制[J];計算機工程與應用;2002年02期

4 高德民;錢煥延;嚴筱永;王曉楠;;無線傳感器網(wǎng)絡最大生命期數(shù)據(jù)融合算法[J];南京理工大學學報;2012年01期

5 唐偉;郭偉;;無線傳感器網(wǎng)絡中的最大生命期基因路由算法[J];軟件學報;2010年07期

6 金彥亮;蔣軼凡;;分簇傳感器網(wǎng)絡生命期問題研究[J];哈爾濱工業(yè)大學學報;2009年03期

7 沙超;王汝傳;黃海平;孫力娟;;基于生命期劃分的無線傳感器網(wǎng)絡節(jié)能策略[J];通信學報;2010年04期

8 唐偉;郭偉;;基于模擬退火的無線傳感器網(wǎng)絡最大生命期路由[J];計算機應用研究;2009年08期

9 尚興宏;錢煥延;高德民;;無線傳感器網(wǎng)絡最大生命期通信模型研究[J];計算機應用研究;2011年12期

10 吳欽木;羅雪梅;李葉松;;動態(tài)分布式消息調(diào)度方法研究[J];計算機應用;2009年07期

相關會議論文 前1條

1 徐本崇;陳俊杰;;一種延長無線傳感器網(wǎng)絡生命期的硬件支持方案[A];2007年中國智能自動化會議論文集[C];2007年

，

本文編號：1481063