股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法难以适应市场情绪的多变性,在实际应用中效果不理想。文章针对市场情绪的不稳定性导致股市拐点难以预测的问题,提出一种基于情绪向量的隐半...股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法难以适应市场情绪的多变性,在实际应用中效果不理想。文章针对市场情绪的不稳定性导致股市拐点难以预测的问题,提出一种基于情绪向量的隐半马尔可夫模型股市拐点预测方法(hidden semi-Markov model stock turning point prediction method based on sentiment vector,SV-HSMM)。针对市场情绪不可观察性,选取与市场情绪相关的主要特征,使用马尔可夫毯融合成市场情绪;利用隐半马尔可夫模型建模市场环境,构建市场情绪、市场状态和状态持续时间之间的结构关系;引入情绪向量平滑情绪的多变性,并利用Kullback-Leibler(KL)距离量化情绪热度;利用隐半马尔可夫模型的动态推理实现股市拐点预测。结果表明情绪向量方法具有更好的预测效果。展开更多
文章分析了经典隐马尔可夫模型（Hidden Markov Model，HMM）齐次假设的理论缺陷，以及两种非齐次HMM。语音识别对比实验表明，经验性的惩罚概率法是稳健的、且更有效的补偿方法。实验结果还指出在最优惩罚概率下，经典HMM达到了与非齐...文章分析了经典隐马尔可夫模型（Hidden Markov Model，HMM）齐次假设的理论缺陷，以及两种非齐次HMM。语音识别对比实验表明，经验性的惩罚概率法是稳健的、且更有效的补偿方法。实验结果还指出在最优惩罚概率下，经典HMM达到了与非齐次的基于段长分布的HMM（Duration Distribution Based HMM，DDBHMM）几乎相同的识别率，证明了齐次假设并不影响经典HMM在实用中的重要性。文章提出了一种改进Baum－Welch重估算法的初值的经验方法，用于HMM参数的估计，在汉语连续语音识别实验中一致性地降低了音节误识率。展开更多
文摘股市的情绪化倾向是股票市场具有高度不确定性的主要原因,直接利用历史数据的股票趋势预测方法难以适应市场情绪的多变性,在实际应用中效果不理想。文章针对市场情绪的不稳定性导致股市拐点难以预测的问题,提出一种基于情绪向量的隐半马尔可夫模型股市拐点预测方法(hidden semi-Markov model stock turning point prediction method based on sentiment vector,SV-HSMM)。针对市场情绪不可观察性,选取与市场情绪相关的主要特征,使用马尔可夫毯融合成市场情绪;利用隐半马尔可夫模型建模市场环境,构建市场情绪、市场状态和状态持续时间之间的结构关系;引入情绪向量平滑情绪的多变性,并利用Kullback-Leibler(KL)距离量化情绪热度;利用隐半马尔可夫模型的动态推理实现股市拐点预测。结果表明情绪向量方法具有更好的预测效果。
文摘文章分析了经典隐马尔可夫模型（Hidden Markov Model，HMM）齐次假设的理论缺陷，以及两种非齐次HMM。语音识别对比实验表明，经验性的惩罚概率法是稳健的、且更有效的补偿方法。实验结果还指出在最优惩罚概率下，经典HMM达到了与非齐次的基于段长分布的HMM（Duration Distribution Based HMM，DDBHMM）几乎相同的识别率，证明了齐次假设并不影响经典HMM在实用中的重要性。文章提出了一种改进Baum－Welch重估算法的初值的经验方法，用于HMM参数的估计，在汉语连续语音识别实验中一致性地降低了音节误识率。
