基于主成分的遗传神经网络股票指数预测研究 被引量：27

1

作者 智晶 张冬梅 姜鹏飞 《计算机工程与应用》 CSCD 北大核心 2009年第26期210-212,共3页

数据预测在金融投资领域占有重要地位,预测中输入变量的选取影响着预测的速度和精度,传统方法选取输入变量主观性较强,预测效果欠佳。将遗传算法与BP网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题。... 数据预测在金融投资领域占有重要地位,预测中输入变量的选取影响着预测的速度和精度,传统方法选取输入变量主观性较强,预测效果欠佳。将遗传算法与BP网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题。使用主成分分析法选取输入变量,并将GA—BP混合建模应用于沪市综合指数预测中。实验结果表明,该方法改善了预测精度,达到了较好的预测效果。 展开更多

关键词 主成分分析 BP神经网络 遗传算法 遗传神经网络 股票指数预测

在线阅读 下载PDF 职称材料

基于结构修剪神经网络的股票指数预测模型 被引量：9

2

作者 孙彬 李铁克 张文学 《计算机应用研究》 CSCD 北大核心 2011年第8期2840-2843,共4页

股票市场是非线性系统,具有内部结构复杂性和外部因素多变性,在股市指数价格和成交量基础上,引入宏观经济指标共同构建模型预测指标体系,并分析各指标之间的长期均衡关系和因果关系。在贝叶斯分析的基础上,将代表网络复杂性的惩罚项引... 股票市场是非线性系统,具有内部结构复杂性和外部因素多变性,在股市指数价格和成交量基础上,引入宏观经济指标共同构建模型预测指标体系,并分析各指标之间的长期均衡关系和因果关系。在贝叶斯分析的基础上,将代表网络复杂性的惩罚项引入模型误差函数中,并通过动态调整惩罚因子删减网络中对股票市场不敏感的隐层神经元,在保证模型泛化能力的同时实现网络结构精简。以上证指数为例,构建基于BP算法的结构修剪神经网络预测模型,在不同的预测指标体系下对股票市场运行规律进行学习,并对上证指数进行仿真预测。最后,通过与其他神经网络预测模型比较验证该模型的有效性。 展开更多

关键词 股票指数预测 预测指标体系 BP算法 贝叶斯分析 网络结构修剪

在线阅读 下载PDF 职称材料

基于深度学习LSTM神经网络的全球股票指数预测研究 被引量：129

3

作者 杨青 王晨蔚 《统计研究》 CSSCI 北大核心 2019年第3期65-77,共13页

作为深度学习技术的经典模型之一,长短期记忆(LSTM)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层LSTM神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①LSTM神... 作为深度学习技术的经典模型之一,长短期记忆(LSTM)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层LSTM神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①LSTM神经网络具有很强的泛化能力,对全部指数不同期限的预测效果均很稳定;②相比三种对照模型(SVR、MLP和ARIMA),LSTM神经网络具有优秀的预测精度,其对全部指数的平均预测精度在不同期限上均有提升;③LSTM神经网络能够有效控制误差波动,相比三种对照模型,其对全部指数的平均预测稳定度在不同期限上亦均有提高。鉴于LSTM神经网络在预测精度和稳定度两方面的优势,其未来在金融预测等方向将有广阔的应用前景。 展开更多

关键词 LSTM神经网络 深度学习 股票指数预测

在线阅读 下载PDF 职称材料

基于BP神经网络与支持向量机的股票指数预测模型比较 被引量：12

4

作者 彭望蜀 《南方金融》 北大核心 2013年第1期71-72,91,共3页

本文在阐述创新型预测模型理论的基础上,分别利用基于BP神经网络和支持向量机的股票指数预测模型,在小样本的情况下对沪深300指数进行了研究和短期预测。研究结果表明,基于支持向量机的预测模型在预测精度、收敛时间、最优性等方面均优... 本文在阐述创新型预测模型理论的基础上,分别利用基于BP神经网络和支持向量机的股票指数预测模型,在小样本的情况下对沪深300指数进行了研究和短期预测。研究结果表明,基于支持向量机的预测模型在预测精度、收敛时间、最优性等方面均优于基于BP神经网络的预测模型。 展开更多

关键词 金融市场 BP神经网络 支持向量机 股票指数预测模型

在线阅读 下载PDF 职称材料

基于改进基因表达式程序设计的股票指数预测 被引量：4

5

作者 钱晓山 《计算机工程》 CAS CSCD 北大核心 2009年第5期200-202,共3页

介绍基因表达式程序设计方法的基本原理,针对股票指数分析与预测问题,在经典的GEP算法基础上,提出一种基于动态变异算子的改进的GEP算法——IGEP算法,动态变异算子随着进化代数和染色体所含基因数目不同而变化,从而加快了GEP的收敛速度... 介绍基因表达式程序设计方法的基本原理,针对股票指数分析与预测问题,在经典的GEP算法基础上,提出一种基于动态变异算子的改进的GEP算法——IGEP算法,动态变异算子随着进化代数和染色体所含基因数目不同而变化,从而加快了GEP的收敛速度和精确度,对算法进行了复杂度和收敛性分析。设计一种基于IGEP的股票指数分析与预测算法,数值实验结果表明,该算法优于经典GEP算法,具有较广泛的通用性。 展开更多

关键词 基因表达式程序设计 复杂度分析 收敛性分析 股票指数预测

在线阅读 下载PDF 职称材料

基于时频融合卷积神经网络的股票指数预测 被引量：4

6

作者 姜振宇 黄雁勇 +1 位作者 李天瑞 蔡福旭 《郑州大学学报（理学版）》 北大核心 2022年第2期81-88,共8页

传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降。为了解决这个问题,提出了一种基于时频融合卷积神经网络的股指预测方法。首先通过引入变分模态分解(VMD)将原始序列数据分解... 传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降。为了解决这个问题,提出了一种基于时频融合卷积神经网络的股指预测方法。首先通过引入变分模态分解(VMD)将原始序列数据分解到频域特征上,使得分解后的股指数据具有低信噪比,同时具有更明显的趋势性和平稳性。进一步结合时序卷积神经网络(TCN),构建了时频融合的卷积神经网络模型。最后在6个实际数据集上与8个基准方法进行比较,实验结果表明该方法具有更高的预测精度和更好的解释性。 展开更多

关键词 股票指数预测 时频融合 变分模态分解 时序卷积网络

在线阅读 下载PDF 职称材料

结合公司财务报表数据的股票指数预测方法 被引量：3

7

作者 王基厚 林培光 +3 位作者 周佳倩 李庆涛 张燕 蹇木伟 《计算机应用》 CSCD 北大核心 2021年第12期3632-3636,共5页

股票市场参与者的所有市场活动综合影响着股票市场的变化,使股票市场的波动充满复杂性,也使得准确预测股票价格成为难题。在这些影响股市变化的活动中,财务披露是预测股票指数变化的一种吸引人的且具有潜在财务回报的手段。为了应对股... 股票市场参与者的所有市场活动综合影响着股票市场的变化,使股票市场的波动充满复杂性,也使得准确预测股票价格成为难题。在这些影响股市变化的活动中,财务披露是预测股票指数变化的一种吸引人的且具有潜在财务回报的手段。为了应对股票市场的复杂变化,提出一种结合公司披露的财务报表数据进行股票指数预测的方法。该方法首先对股票指数历史数据和公司财务报表数据进行预处理,主要是对公司财务报表数据生成的高维矩阵进行降维,然后用双通道的长短期记忆(LSTM)网络对归一化后的数据进行预测研究。在上证50指数和沪深300指数数据集上的实验结果表明,该方法的预测效果优于仅使用股票指数历史数据的预测效果。 展开更多

关键词 股票指数预测 财务报表分析 数据降维 长短期记忆网络 双通道

在线阅读 下载PDF 职称材料

基于CNN-LSTM的股票指数预测模型 被引量：24

8

作者 耿晶晶 刘玉敏 +1 位作者 李洋 赵哲耘 《统计与决策》 CSSCI 北大核心 2021年第5期134-138,共5页

股票价格数据具有高频性、非线性和长记忆性等特点,且投资者行为是影响股票价格的重要因素,文章引入成交量加权平均价(VWAP)指标刻画投资者行为,并构建了基于卷积神经网络(CNN)与长短期记忆网络(LSTM)的混合预测模型。首先,通过CNN分类... 股票价格数据具有高频性、非线性和长记忆性等特点,且投资者行为是影响股票价格的重要因素,文章引入成交量加权平均价(VWAP)指标刻画投资者行为,并构建了基于卷积神经网络(CNN)与长短期记忆网络(LSTM)的混合预测模型。首先,通过CNN分类模型判定股票指数的波动方向;其次,分别构建LSTM模型对指数上升、下降的具体值进行预测;通过田口正交设计方法对CNN-LSTM模型进行参数优化。静态预测和滚动预测结果表明,CNN-LSTM模型在预测方面有较高的预测准确率和普适性,对于投资者有着较高的参考价值。 展开更多

关键词 股票指数预测 成交量加权平均价 长短期记忆网络 卷积神经网络 田口正交设计

在线阅读 下载PDF 职称材料

基于信度隐马尔可夫过程的股票指数趋势预测方法

9

作者 王璐璐 刘邱云 赖岳 《江西师范大学学报(自然科学版)》 北大核心 2024年第6期597-603,共7页

由于股票指数序列具有高频性、非线性和长记忆性等特点,且投资者行为的不确定性,所以其预测工作甚为艰难.该文结合证据理论和Pignistic概率转换方法,研究了一种新的马尔可夫模型转移矩阵计算方法,并应用于股票指数趋势预测,提出了基于... 由于股票指数序列具有高频性、非线性和长记忆性等特点,且投资者行为的不确定性,所以其预测工作甚为艰难.该文结合证据理论和Pignistic概率转换方法,研究了一种新的马尔可夫模型转移矩阵计算方法,并应用于股票指数趋势预测,提出了基于信度隐马尔可夫过程的股票指数趋势预测方法,实证结果表明该方法的预测效果较好. 展开更多

关键词 隐马尔可夫模型 证据理论 信度函数 Pignistic概率 股票指数预测

在线阅读 下载PDF 职称材料

LM-BP算法在金融股指预测中的参数设定 被引量：6

10

作者 鲍新中 刘澄 孙彬 《系统管理学报》 北大核心 2009年第6期667-671,共5页

针对股价系统内部结构的复杂性、外部因素的多变性,分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题。为了... 针对股价系统内部结构的复杂性、外部因素的多变性,分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题。为了避免网络陷入局部最小点和提高网络的收敛速度,算法采用改进后的LM-BP,并与其他BP算法进行比较。以最具代表性的上证指数为例,仿真实验表明了经过对筛选后的样本学习,并对所建的预测模型进行训练后,该LM-BP算法能够对有短期上证指数走势进行有效稳定预测。 展开更多

关键词 股票指数预测 BP神经网络 隐层节点数确定 样本选取策略

在线阅读 下载PDF 职称材料

略论ANFIS在金融股指预测中的应用 被引量：5

11

作者 刘澄 张均东 孙彬 《经济问题》 CSSCI 北大核心 2009年第11期91-96,99,共7页

针对股价系统内部结构的复杂性、外部因素的多变性,分析了自适应神经模糊系统,并对股市建立预测模型。ANFIS是把神经网络和T-S模糊推理结合在一起的系统,从而克服了模糊理论不具备自学习能力和神经网络无法表达人类自然语言的缺点。对... 针对股价系统内部结构的复杂性、外部因素的多变性,分析了自适应神经模糊系统,并对股市建立预测模型。ANFIS是把神经网络和T-S模糊推理结合在一起的系统,从而克服了模糊理论不具备自学习能力和神经网络无法表达人类自然语言的缺点。对金融股指进行预测,以最具代表性的上证指数为例,通过ANFIS算法仿真实验分析,表明了该算法能够有效、可靠预测上证指数走势,并且能够将金融系统模糊规则明确,揭示金融系统运行模式。 展开更多

关键词 股票指数预测 模糊逻辑系统 自适应神经网络 T—S模糊推理

在线阅读 下载PDF 职称材料

基于v-SVR的金融股指预测及选时策略研究 被引量：7

12

作者 孙彬 李铁克 《统计与决策》 CSSCI 北大核心 2010年第3期45-48,共4页

文章将v-SVR(Support Vector Regression)应用于金融股指预测,并研究证券投资中的选时问题。以上证指数为研究对象,确定模型输入指标并研究模型主要参数与预测评价指标的关系。通过与ε-SVR及传统BP算法的比较分析,表明在有限样本情况下... 文章将v-SVR(Support Vector Regression)应用于金融股指预测,并研究证券投资中的选时问题。以上证指数为研究对象,确定模型输入指标并研究模型主要参数与预测评价指标的关系。通过与ε-SVR及传统BP算法的比较分析,表明在有限样本情况下,v-SVR模型的预测偏差较小、预测方向的准确性较高;根据预测结果,提出了一种基于v-SVR模型的投资选时策略。 展开更多

关键词 股票指数预测 v—SVR ε-SVR 投资选时

在线阅读 下载PDF 职称材料

GA-BP算法在金融股指预测中的应用研究 被引量：3

13

作者 刘澄 王燕 孙彬 《技术经济与管理研究》 北大核心 2009年第6期16-18,43,共4页

本文提出一种GA-BP算法对金融股指进行预测研究,该算法结合遗传算法具有全局寻优的优点,能够克服BP算法进行预测时易陷入局部极小值和收敛速度慢的缺点;以股票市场的上证指数为例,通过与BP算法和LM-BP算法预测效果进行比较分析,证实了... 本文提出一种GA-BP算法对金融股指进行预测研究,该算法结合遗传算法具有全局寻优的优点,能够克服BP算法进行预测时易陷入局部极小值和收敛速度慢的缺点;以股票市场的上证指数为例,通过与BP算法和LM-BP算法预测效果进行比较分析,证实了本文提出的算法在对上证指数进行预测时更为有效。 展开更多

关键词 股票指数预测 神经网络 BP算法 GA算法

在线阅读 下载PDF 职称材料

改进基因表达式编程在股票中的研究与应用 被引量：5

14

作者 钱晓山 阳春华 《智能系统学报》 2010年第4期303-307,共5页

介绍了基因表达式编程方法的基本原理,针对股票指数分析与预测问题,在经典的GEP算法基础上,提出了一种基于动态变异算子的改进的GEP算法——IGEP(improved GEP)算法.动态变异算子随着进化代数和染色体所含基因数目不同而变化,从而加快了... 介绍了基因表达式编程方法的基本原理,针对股票指数分析与预测问题,在经典的GEP算法基础上,提出了一种基于动态变异算子的改进的GEP算法——IGEP(improved GEP)算法.动态变异算子随着进化代数和染色体所含基因数目不同而变化,从而加快了GEP的收敛速度和精确度.还对算法进行了复杂度和收敛性分析.最后设计了一种基于IGEP的股票指数分析与预测算法,数值实验结果表明该算法优越于经典GEP算法,非常有效且具有较广泛的通用性. 展开更多

关键词 基因表达式编程 复杂度分析 收敛性分析 股票指数预测

在线阅读 下载PDF 职称材料

基于注意力的卷积神经网络金融时序数据预测 被引量：4

15

作者 孙启森 张建新 +2 位作者 程海阳 张强 魏小鹏 《计算机应用》 CSCD 北大核心 2022年第S02期290-295,共6页

针对现有金融时序数据预测方法在构造金融特征图像的过程中因忽视市场环境变化导致的数据密度分布差异问题,提出一种基于滑动窗口标准化的金融数据预处理方法。所提方法将滑动窗口截取的数据使用独立的标准化转换为金融特征图像,使得依... 针对现有金融时序数据预测方法在构造金融特征图像的过程中因忽视市场环境变化导致的数据密度分布差异问题,提出一种基于滑动窗口标准化的金融数据预处理方法。所提方法将滑动窗口截取的数据使用独立的标准化转换为金融特征图像,使得依赖价格特征进行训练的卷积神经网络(CNN)模型能够学习到正确的映射关系;同时,针对金融特征图像的特征表达问题,为更好地捕捉其动态变化特征,将注意力机制引入CNN中,进而构建出一种注意力CNN金融时序数据预测模型。对标普500指数未来1天涨跌进行预测的准确率和F1分数分别为61%和0.7397,模拟交易实验投资回报率为23.04%,优于买入并持有策略。此外,消融实验结果也证明了预处理方法、注意力模块引入的有效性。 展开更多

关键词 卷积神经网络 核密度估计 注意力机制 时间序列 股票指数预测

在线阅读 下载PDF 职称材料

基于时空注意力机制的双向长短期记忆神经网络的股指预测研究 被引量：3

16

作者 杨蓦 王静 《运筹与管理》 CSSCI CSCD 北大核心 2023年第8期174-180,共7页

股票市场是一个高噪音的混沌系统,其外部属性之间的相关性问题以及在长期预测时外部影响对股价波动的加剧,导致对股票市场进行准确预测是一项富有挑战性的工作。为解决上述问题,本文利用基于注意力机制的双向长短期记忆神经网络(BiLSTM... 股票市场是一个高噪音的混沌系统,其外部属性之间的相关性问题以及在长期预测时外部影响对股价波动的加剧,导致对股票市场进行准确预测是一项富有挑战性的工作。为解决上述问题,本文利用基于注意力机制的双向长短期记忆神经网络(BiLSTM)对香港地区恒生指数收盘价进行有效性的实证检验。其中,空间注意力机制用于捕捉输入指标之间的相关性并为其赋予区别权重,时间注意力机制用于描述数据的时间相关性以解决长期预测中的时间依赖问题并为时间步赋予区别权重,BiLSTM神经网络用于拟合数据并构建预测模型。本文还比较了四种基于注意力机制的神经网络方法和六种基线方法,实验结果表明,与当下流行的股票指数预测方法相比,基于双维度注意力机制的BiLSTM可以在短、中、长期预测中均实现更准确的股票指数收盘价预测。 展开更多

关键词 注意力机制 双向长短期记忆神经网络 股票指数预测 长期预测 时空关系

在线阅读 下载PDF 职称材料