期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
IMGAF-RLNet模型的股指趋势预测研究
1
作者
张菊平
李路
《计算机工程与应用》
北大核心
2025年第6期229-243,共15页
针对金融时间序列动态不稳定性以及长期依赖的特性,构建了基于深度学习算法的IMGAF-RLNet模型预测中国股票市场的大、中盘指数涨跌趋势。IMGAF-RLNet采用格拉姆角场方法将目标股指和基于斯皮尔曼秩相关系数筛选的成分股的不同特征序列...
针对金融时间序列动态不稳定性以及长期依赖的特性,构建了基于深度学习算法的IMGAF-RLNet模型预测中国股票市场的大、中盘指数涨跌趋势。IMGAF-RLNet采用格拉姆角场方法将目标股指和基于斯皮尔曼秩相关系数筛选的成分股的不同特征序列编码为格拉姆差角场矩阵,然后将得到的矩阵序列构造为多维张量输入根据预训练模型分类结果筛选的CNN分类器残差网络(ResNet)进行特征提取,同时添加长短时记忆网络(LSTM)学习股指数据的时序特征,最后通过全连接网络对ResNet提取的局部特征和LSTM提取的整体特征完成股指趋势分类预测。选取沪深300、上证50、中证500指数作为研究对象。实验表明,三只股指的短、中、长期趋势预测准确率均在59%以上,其中预测效果最好的窗口及分类准确率分别为40、20、20以及62.65%、63.68%、61.85%。
展开更多
关键词
股指趋势预测
数据增强
格拉姆角场
残差神经网络
长短时记忆网络
在线阅读
下载PDF
职称材料
题名
IMGAF-RLNet模型的股指趋势预测研究
1
作者
张菊平
李路
机构
上海工程技术大学数理与统计学院
出处
《计算机工程与应用》
北大核心
2025年第6期229-243,共15页
基金
国家自然科学基金(11971302,62173222)。
文摘
针对金融时间序列动态不稳定性以及长期依赖的特性,构建了基于深度学习算法的IMGAF-RLNet模型预测中国股票市场的大、中盘指数涨跌趋势。IMGAF-RLNet采用格拉姆角场方法将目标股指和基于斯皮尔曼秩相关系数筛选的成分股的不同特征序列编码为格拉姆差角场矩阵,然后将得到的矩阵序列构造为多维张量输入根据预训练模型分类结果筛选的CNN分类器残差网络(ResNet)进行特征提取,同时添加长短时记忆网络(LSTM)学习股指数据的时序特征,最后通过全连接网络对ResNet提取的局部特征和LSTM提取的整体特征完成股指趋势分类预测。选取沪深300、上证50、中证500指数作为研究对象。实验表明,三只股指的短、中、长期趋势预测准确率均在59%以上,其中预测效果最好的窗口及分类准确率分别为40、20、20以及62.65%、63.68%、61.85%。
关键词
股指趋势预测
数据增强
格拉姆角场
残差神经网络
长短时记忆网络
Keywords
stock index trend prediction
data augmentation
Gramian angular field
residual network
long short term memory network(LSTM)
分类号
TP29 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
IMGAF-RLNet模型的股指趋势预测研究
张菊平
李路
《计算机工程与应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
