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
共找到9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：
基于动态提示池的股票趋势预测终身学习算法
1
作者 周文瑞 孟林建 +3 位作者 綦小龙 刘艳芳 乎西旦·居马洪 林玲 《现代电子技术》 北大核心 2025年第10期63-70,共8页
股票数据属于流式数据,分布随时间变化,因此预测股票趋势极具挑战性。现有预测方法通过滚动重新训练模型来适应最新的数据分布,忽略了历史数据中的重复模式,导致灾难性遗忘,使得模型预测性能下降。针对上述问题,提出一种PoolTrain算法... 股票数据属于流式数据,分布随时间变化,因此预测股票趋势极具挑战性。现有预测方法通过滚动重新训练模型来适应最新的数据分布,忽略了历史数据中的重复模式,导致灾难性遗忘,使得模型预测性能下降。针对上述问题,提出一种PoolTrain算法。该算法首先将每次重新训练模型学到的知识存储在动态提示池中,从而在学习新任务的同时记忆旧知识;其次根据动态选择组合提示池中的知识,共同提示完成不同的数据分布任务。在CSI300数据集的实验结果表明,PoolTrain算法的信息系数IC、信息比率ICIR、排名信息系数Rank IC、排名信息系数的比率Rank ICIR与当前最优的算法DDG-DA相比,分别提升了11.5%、11.41%、0.2%、34.69%。这表明所提出的算法在股票趋势预测方面取得了更好的效果,可为投资者提供更有价值的参考信息。 展开更多
关键词 股票趋势预测 动态提示池 终身学习 滚动训练 相关系数 信息系数
在线阅读 下载PDF
基于改进Transformer和超图模型的股票趋势预测方法研究 被引量：1
2
作者 郝剑龙 刘志斌 +2 位作者 张宸 孙琪炜 常新功 《智能系统学报》 CSCD 北大核心 2024年第5期1126-1135,共10页
股票预测是一项令人痴迷又极具挑战的任务。近年来,融合关系信息的股票时序预测方法取得一些进展,但仍存在如下问题:首先,基于图神经网络的方法仅考虑股票之间简单的成对关系,而未考虑股票间的高阶协同关系。其次,现有方法采用预定义图... 股票预测是一项令人痴迷又极具挑战的任务。近年来,融合关系信息的股票时序预测方法取得一些进展,但仍存在如下问题:首先,基于图神经网络的方法仅考虑股票之间简单的成对关系,而未考虑股票间的高阶协同关系。其次,现有方法采用预定义图的方式直接给出股票间的静态关系,无法建模股票间潜在的动态变化关系。为了解决上述问题,提出一种端到端的动态超图卷积神经网络股票趋势预测框架。该框架基于改进的Transformer提取股票的时序信息,通过静态超图和动态超图将股票间的协同关系信息引入到时序建模中。在中国A股和美股市场数据集上的实验结果表明,与当前先进模型相比,本文模型的预测性能具有显著优势。 展开更多
关键词 TRANSFORMER 趋势感知 注意力机制 动态超图 协同关系 股票趋势预测 时序预测 混合模型
在线阅读 下载PDF
基于时序超图卷积神经网络的股票趋势预测方法 被引量：11
3
作者 李晓杰 崔超然 +3 位作者 宋广乐 苏雅茜 吴天泽 张春云 《计算机应用》 CSCD 北大核心 2022年第3期797-803,共7页
传统的股票预测方法大多基于时间序列模型,忽视了股票之间复杂的关系,并且该关系往往超出成对连接,例如同行业板块内股票或者基金持仓多支股票。针对该问题,提出一种基于时序超图卷积神经网络(HGCN)的股价走势预测方法,根据金融投资事... 传统的股票预测方法大多基于时间序列模型,忽视了股票之间复杂的关系,并且该关系往往超出成对连接,例如同行业板块内股票或者基金持仓多支股票。针对该问题,提出一种基于时序超图卷积神经网络(HGCN)的股价走势预测方法,根据金融投资事实构造超图模型以拟合股票之间的多元关系,该模型包括两大组件:门控循环单元(GRU)网络和超图卷积神经网络。GRU网络对历史数据进行时间序列建模,捕捉长期依赖关系;HGCN建模股票间的高阶关系以学习内在关系属性,从而将股票间多元关系信息引入到传统的时序建模中,进行端到端的趋势预测。在中国A股市场真实数据集上的实验结果表明,相较于已有的股票预测方法,所提模型预测性能有所提升;如与GRU网络相比,所提模型在ACC和F1_score上的相对增幅分别为9.74%和8.13%,且更具有稳定性。此外,模拟回测结果显示,基于该模型的交易策略更具获利能力,年回报率达到11.30%,与长短期记忆(LSTM)网络相比提高了5个百分点。 展开更多
关键词 股票趋势预测 时间序列建模 门控循环单元 高阶关系 超图卷积神经网络
在线阅读 下载PDF
融合市场动态层次宏观信息的股票趋势预测 被引量：2
4
作者 张亚飞 王晶 +2 位作者 赵耀帅 武志昊 林友芳 《计算机应用》 CSCD 北大核心 2023年第5期1378-1384,共7页
股票市场结构复杂、信息多样,股票趋势预测极具挑战性。但现有研究大都把每只股票当作一个独立的个体,或者使用图结构对股票市场中复杂的高阶关系进行建模,缺少对股票、行业、市场三者间相互影响的层次性和动态性考量。针对上述问题,提... 股票市场结构复杂、信息多样,股票趋势预测极具挑战性。但现有研究大都把每只股票当作一个独立的个体,或者使用图结构对股票市场中复杂的高阶关系进行建模,缺少对股票、行业、市场三者间相互影响的层次性和动态性考量。针对上述问题,提出一种动态宏观记忆网络(DMMN),并基于DMMN同时对多只股票进行价格趋势预测。该方法按照“股票-行业-市场”的层次对市场宏观环境信息进行建模,并捕获这些信息在时序上的长期依赖;然后将市场宏观环境信息与股票微观特征信息动态融合,在增强个股对市场整体情况的感知能力的同时间接捕获到股票、行业、市场三者间的相互依赖。在收集的CSI300数据集上得到的实验结果表明,相较于基于注意力长短期记忆(ALSTM)网络、添加了图卷积的LSTM网络(GCN-LSTM)、卷积神经网络(CNN)等模型的股票预测方法,基于DMMN的方法在F1分数、夏普比率上都取得了更好的效果,和表现最优的对比方法ALSTM相比分别提升了4.87%和31.90%,这表明DMMN在具备较好预测性能的同时还具备更好的实用价值。 展开更多
关键词 股票趋势预测 宏观记忆网络 动态依赖 层次宏观信息 门控单元
在线阅读 下载PDF
基于多类别特征体系的股票短期趋势预测 被引量：8
5
作者 王婷 夏阳雨新 陈铁明 《计算机科学》 CSCD 北大核心 2020年第S02期491-495,共5页
随着经济和科技的快速发展,股市已成为当前金融市场的重要组成部分。传统机器学习方法在处理非线性、高噪声、波动性强的股票时序预测问题时存在局限性,而近年来深度神经网络的兴起,给股票趋势预测问题提供了新的解决方案。采用长短期... 随着经济和科技的快速发展,股市已成为当前金融市场的重要组成部分。传统机器学习方法在处理非线性、高噪声、波动性强的股票时序预测问题时存在局限性,而近年来深度神经网络的兴起,给股票趋势预测问题提供了新的解决方案。采用长短期记忆网络(Long Short-Term Memory,LSTM)来处理长距离的股票时序问题,构建了一个多类别特征体系作为长短期记忆网络的输入进行训练,包括常用技术指标、多种关键转折点特征和个股真实事件信息等。同时,通过实验全面分析了各类特征对股票趋势预测的有效程度,对比结果表明了多类别特征体系在预测中的良好表现,其能够达到68.77%的短期涨跌预测准确率。另外还将LSTM与CNN,RNN和MLP等模型进行了比较,实验结果表明LSTM在解决该时序预测问题上优于其他模型。 展开更多
关键词 股票趋势预测 深度学习 长短期记忆网络 特征构建
在线阅读 下载PDF
融合图卷积和卷积自注意力的股票预测方法 被引量：2
6
作者 田红丽 崔姚 闫会强 《计算机工程与应用》 CSCD 北大核心 2024年第4期192-199,共8页
随着我国股票市场的不断发展,一只股票的走势往往受其企业上下游产业发展的影响。针对主流股票预测模型忽略了股票间关联关系的不足,提出了融合图卷积和多头卷积自注意力的股票趋势预测模型。首先使用互相关系数计算多只关联股票的关系... 随着我国股票市场的不断发展,一只股票的走势往往受其企业上下游产业发展的影响。针对主流股票预测模型忽略了股票间关联关系的不足,提出了融合图卷积和多头卷积自注意力的股票趋势预测模型。首先使用互相关系数计算多只关联股票的关系矩阵,再使用图卷积神经网络结合关系矩阵对关联股票进行特征提取,其次使用多头卷积自注意力提取时间特征,最后使用分类损失函数多项式展开框架对损失函数进行优化,并进行趋势预测。实验结果表明,所提模型在准确率、查全率、召回率以及F1分数上均优于门控循环单元、时间卷积网络等模型。 展开更多
关键词 股票趋势预测 卷积自注意力 去趋势互相关系数
在线阅读 下载PDF
基于HP滤波和GARCH模型的股票价格趋势预测 被引量：14
7
作者 杨建辉 张然欣 《统计与决策》 CSSCI 北大核心 2013年第5期84-87,共4页
在股票市场中人们最关心的就是股票价格的变化,对股票价格趋势的预测直接影响到投资者的投资决策,关系到投资者的切身经济利益,因而对预测的准确性要求较高。为了更精确的预测股票价格趋势,提供更为合理的股票投资意见。文章尝试将HP滤... 在股票市场中人们最关心的就是股票价格的变化,对股票价格趋势的预测直接影响到投资者的投资决策,关系到投资者的切身经济利益,因而对预测的准确性要求较高。为了更精确的预测股票价格趋势,提供更为合理的股票投资意见。文章尝试将HP滤波法应用到股票价格趋势的预测中,通过HP滤波法将股票价格分解为不同的数据,然后通过高阶自回归和GARCH模型分别对分解出来的数据进行拟合和预测。并通过对上证指数的预测后,发现该模型具有较好的预报效果,可为金融产品的趋势研究提供帮助。 展开更多
关键词 HP滤波 GARCH模型 股票价格趋势预测
在线阅读 下载PDF
基于矩阵画像的金融时序数据预测方法 被引量：4
8
作者 高世乐 王滢 +1 位作者 李海林 万校基 《计算机应用》 CSCD 北大核心 2021年第1期199-207,共9页
针对金融市场中机构交易对股票市场中的散户投资行为具有较强的误导性的现象,提出了一种基于机构交易行为影响的趋势预测方法。首先,利用时间序列的矩阵画像(MP)方法,以股票换手率数据为切入点,构建不同兴趣模式长度下的基于机构交易行... 针对金融市场中机构交易对股票市场中的散户投资行为具有较强的误导性的现象,提出了一种基于机构交易行为影响的趋势预测方法。首先,利用时间序列的矩阵画像(MP)方法,以股票换手率数据为切入点,构建不同兴趣模式长度下的基于机构交易行为影响的换手率波动知识库;其次,确定待预测股票在兴趣模式长度取何值时的预测结果精确度高;最后,根据该兴趣模式长度下的知识库,预测在机构交易行为影响下的单支股票的波动趋势。为验证趋势预测新方法的可行性和准确性,将其与自回归滑动平均(ARMA)模型和长短时记忆(LSTM)网络这两种预测方法进行对比分析,运用均方根误差(RMSE)与平均绝对百分误差(MAPE)评价指标综合比较3种方法对70支股票的预测结果。实验结果分析表明,与ARMA模型和LSTM网络相比,在70支的股票价格趋势预测上,所提方法有80%以上的股票预测结果更准确。 展开更多
关键词 机构交易行为 股票趋势预测 兴趣模式发现 矩阵画像 时间序列
在线阅读 下载PDF
基于多层图关系和强化学习的策略教学研究
9
作者 李思源 钟兴宇 +1 位作者 李凯茵 徐清振 《计算机工程》 北大核心 2025年第3期122-130,共9页
教育信息化的发展为促进教学内容多样化提供了更多方案。为了丰富程序化交易课程的内涵,对量化策略的探讨研究提出了新的案例教学方法。由于在股票趋势预测的任务中,公司股票的预测会受到相关联公司及多方面的隐性层面高管关系的影响。... 教育信息化的发展为促进教学内容多样化提供了更多方案。为了丰富程序化交易课程的内涵,对量化策略的探讨研究提出了新的案例教学方法。由于在股票趋势预测的任务中,公司股票的预测会受到相关联公司及多方面的隐性层面高管关系的影响。为了有效应对股票市场波动中的动量溢出效应,就高管因素的影响提出一个基于多层图卷积神经网络(GCNN)的股票趋势预测及智能量化交易模型,将其应用于实际课堂教学中充实课堂实例教学任务。该模型首先结合股票历史数据和市场媒体信息,然后利用多层GCNN提取股票之间包含的具有交叉效应的公司间显性关系和高管间隐性关系等信息进行趋势预测,最后通过强化学习(RL)进行策略训练。该模型不仅有效提高了股票趋势预测的准确性,而且有效提升了投资组合优化收益。在CSI100E和CSI300E数据集上的实验结果表明,该模型得到60.19%和57.44%的准确率,而图卷积网络(GCN)模型得到51.58%和55.79%的准确率。通过分析得出该模型的股票趋势预测效果更好,加入了预测结果的智能投资决策也更有效。该研究的方法和实验结果为金融课程提供了实际案例,可帮助学生理解复杂市场动态和量化交易策略。 展开更多
关键词 图神经网络 深度强化学习 股票趋势预测 量化投资 教学案例
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部