股票价格预测

作品数：254被引量：1135H指数：17
导出分析报告
相关领域：经济管理自动化与计算机技术更多>>
相关作者：张贵生张信东李心丹刘海飞肖雨峰更多>>
相关机构：山东大学重庆大学山东工商学院北京工业大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家社会科学基金教育部人文社会科学研究基金山东省自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=应用数学进展x
共 条 记 录，以下是1-8
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于误差修正和CEEMDAN-IGWO-ELM的股票价格预测建模
《应用数学进展》2024年第5期2256-2273,共18页谢汇钦 颜七笙 
针对股票价格非平稳、非线性等特性引发预测精度低的问题,引入Halton Sequence搜索算法、莱维飞行与等级制度策略对灰狼优化算法(GWO)进行改进,提出一种基于误差修正和CEEMDAN-IGWO-ELM股票价格预测模型。首先将股票交易数据进行归一化...
关键词：自适应噪声完备集合经验模态分解 灰狼优化算法 极限学习机 误差修正 股票价格预测 
基于隐马尔可夫模型的股票价格预测
《应用数学进展》2024年第4期1599-1606,共8页张政 李俊刚 李鑫 王然 
本文构建隐马尔可夫模型预测比亚迪公司股票收盘价,采用K均值聚类法和AIC、BIC准则确定隐状态个数,运用EM算法进行模型参数估计,并将MSE、MAE和R2作为评价指标评估准确性,结果显示基于模型预测结果较为准确稳定。研究结果表明HMM模型能...
关键词：HMM K均值聚类 股价预测 
基于PCA、ICEEMDAN和LSTM的股票价格预测混合框架
《应用数学进展》2023年第12期5175-5185,共11页刘玉昆 
投资者在市场上买卖股票的目的是为了获得最大的回报。然而,股票价格表现出非线性和非平稳性,难以准确预测。为了解决这个问题,结合主成分分析(PCA),完全自适应噪声集合经验模态分解(ICEEMDAN)和长短期记忆网络(LSTM),制定了一个混合预...
关键词：主成分分析 经验模态分解 长短期记忆网络 
基于S-V-PSAL混合模型的股票预测研究
《应用数学进展》2023年第9期3920-39232,共13页孙钰华 吕卫东 杜潇鉴 
由于股票价格数据具有非平稳、非线性、复杂性高等特点,欲对其进行预测就存在一定的困难,提出了一种基于S-V-PSAL混合模型的预测方法。首先使用奇异谱分析(SSA)对股票历史数据进行一次分解,得到趋势项和噪声项。对于较平稳的趋势项,使...
关键词：股票价格预测 奇异谱分析 变分模态分解 支持向量回归 长短期记忆网络 
基于变分贝叶斯隐马尔科夫模型的股票价格指数预测
《应用数学进展》2023年第3期1152-1163,共12页安海钰 侯文 
本文将传统的隐马尔科夫模型中用于参数学习的Baum-Welch算法改进为变分贝叶斯算法,并将变分贝叶斯隐马尔科夫模型应用于股票价格指数预测,分别选取国外市场美股S&P500指数以及国内市场沪深300指数进行预测,并与传统的隐马尔科夫模型、B...
关键词：隐马尔科夫模型 变分贝叶斯算法 股票价格预测 
基于IndRNN-LSTM模型的股票价格预测
《应用数学进展》2022年第1期209-218,共10页扈文 
结合独立循环神经网络和长短期记忆网络建立IndRNN-LSTM模型,选取道琼斯指数的18个指标,对道琼斯指数的开盘价格进行预测。另外,分别采用CNN-LSTM、IndRNN、LSTM、SVM、BP和CNN神经网络模型对开盘价格进行预测,并将七种模型的预测结果...
关键词：独立循环神经网络 长短期记忆网络 道琼斯指数 
基于ARIMA-GARCH模型的股票价格预测被引量：1
《应用数学进展》2022年第1期404-417,共14页尹路 
本文引入了误差校正的思想,先利用ARIMA-GARCH模型对日收盘价进行初步预测,但是预测精度不高,通过对误差序列进行的白噪声检验,发现误差序列存在还有未被ARIMA-GARCH模型提取的信息。再利用变量间的相关关系,寻找与误差序列相关的变量...
关键词：股价预测 ARIMA模型 GARCH模型 误差校正 
基于主成分分析和长短期记忆网络的股票价格预测
《应用数学进展》2020年第11期1954-1960,共7页刘甲 孙德山 
运用神经网络技术,建立基于主成分分析的长短期记忆神经网络(PCA-LSTM)模型并对股票开盘价格进行预测。实验采用五粮液(000858)股票,首先,利用主成分法对该股票的多个指标进行特征提取,然后利用提取的主成分建立LSTM神经网络模型,并与PC...
关键词：长短期记忆网络 主成分分析 ELMAN网络 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部