股指预测

作品数：87被引量：303H指数：10
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：李诗争吴朝阳范怀玉田侃张传雷更多>>
相关机构：山东大学哈尔滨工业大学江西财经大学南开大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金安徽高等学校省级自然科学基金国家教育部博士点基金广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...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于情绪词典和BERT-BiLSTM的股指预测研究
《计算机工程与应用》2025年第4期358-367,共10页张少军 苏长利 
国家社会科学基金(21BJY238)。
股票市场的不确定性和复杂性使得股票预测成为一项具有挑战性的任务。鉴于金融文本在股票预测中的潜在价值,采用词典法和BERT双向长短期记忆模型(bidirectional encoder representations from transformers-bidirectional long short-te...
关键词：财经新闻情感特征 股指预测 BiLSTM模型 DQN强化学习 
基于分解-重构-集成框架的股指预测及行业轮动策略
《计量经济学报》2024年第3期673-698,共26页郑力 李明琛 魏云捷 汪寿阳 
国家自然科学基金(71988101,72171223,71801213)。
股指数据受到多重因素的影响,呈现出非线性、非平稳、高复杂度、高波动的特点,因此单一模型很难完整刻画其数据特征.本文提出了一个基于分解-重构-集成框架的股指收益率复合预测模型,利用变分模态分解(VMD)将原始的高复杂度股指时间序...
关键词：分解-重构-集成 股指预测 复合多尺度熵 行业轮动 
基于二次分解重构的股指预测研究
《建模与仿真》2024年第4期4780-4791,共12页吉如沁 秦江涛 
国家自然科学基金项目(72174121,71774111)。
针对股票指数复杂难预测的问题,提出一个基于二次分解重构的混合预测模型(ICEEMDAN-EMDLSTM)。使用改进自适应噪声互补集成经验模态分解(ICEEMDAN)方法将股指序列分解为一系列子序列,并根据模糊熵(FE)的值将这些子序列重构为高频、低频...
关键词：股指预测 二次分解重构 长短期记忆网络 
基于MVC5B混合模型的中国股指预测研究
《计算机工程与应用》2024年第15期284-296,共13页崔晨豪 李勇 
为了提高中国股指的预测表现,提出一个融合了变分模态分解(VMD)、卷积注意力模块(CBAM)和双向长短期记忆网络(BiLSTM)的混合模型MVC5B(multi-channel-VMD-CBAM5-BiLSTM)。不同于混合模型常用的分解-集成构造方法,MVC5B基于提出的多通道...
关键词：股指预测 卷积注意力模块 双向长短期记忆网络 变分模态分解 多通道输入 
股指预测的创新深度学习策略:Transformer 模型与GRU融合及其变体的效能探究
《工程经济》2024年第8期16-30,共15页肖哲坤 
随着金融市场的不断发展和全球经济的变化,准确预测股市指数成为投资者和决策者关注的焦点之一。本文旨在探讨深度学习神经网络中的Transformer模型及其注意力机制在金融指数预测中的应用。通过摒弃常规的控制变量设计,转而采用基于历...
关键词：高阶自回归模型 Transformer模型 注意力机制 金融指数预测 
基于Attention机制的CNN-LSTM概率预测模型的股指预测被引量：1
《现代信息科技》2024年第12期155-159,163,共6页高欣 
鉴于证券市场波动大预测难度高,文章基于encoder-decoder结构将Attention机制融入CNN-LSTM模型,利用Attention机制来捕捉不同时间点之间的数据依赖模式,提取长序列信息,并且在此基础上给出概率密度函数进行抽样预测,最终得出股票价格的...
关键词：Attention机制 概率密度函数 上证指数 
基于灰狼优化的混频支持向量机在股指预测与投资决策中的应用研究被引量：5
《中国管理科学》2024年第5期73-80,共8页蔡毅 唐振鹏 吴俊传 杜晓旭 陈凯杰 
国家自然科学基金面上项目(71973028)。
股市的剧烈波动会影响金融市场的平稳运行进而影响经济增长,如何对股市的走势进行精准预测一直是学术界关注的焦点问题。由于股指收益率具有非平稳、非线性特征,仅利用历史序列作为影响因素将导致预测精度不佳。考虑到基金仓位变化对股...
关键词：股指收益率 时间序列预测 反向混频数据 公募基金仓位 投资决策 
基于深度学习的股票价格指数预测被引量：2
《软件工程》2024年第5期7-13,共7页高源 黄犚 
文章以2012—2022年上证50、沪深300、中证500三支股指交易数据为研究对象,利用深度学习预测股指,分别构建了卷积神经网络(CNN)模型、长短期记忆神经网络(LSTM)模型和CNN-LSTM组合神经网络模型,使用均方根误差(RMSE)、平均绝对误差(MAE...
关键词：深度学习 股指预测 CNN模型 LSTM模型 CNN-LSTM组合神经网络模型 
基于INFO-SVM回归的股指预测优化研究
《中国物价》2024年第5期25-29,共5页王迪迪 项凯标 
贵州省哲学社会科学规划一般课题“新时代贵州经济高质量发展与绿色发展耦合协调机制研究”(21GZYB11)。
股票指数的有效预测为从整体上观测股市的变化提供强有力的信息,对于指导股票交易具有重要意义。本文利用向量加权平均算法优化支持向量机的回归参数c和g,提出了INFO-SVM回归模型。利用该模型对近五年沪市股票开盘指数进行回归预测分析...
关键词：INFO-SVM 股票指数 金融预测 
基于CBAMs-BiLSTM模型的中国股市预测
《中国科学技术大学学报》2024年第2期48-61,I0005,I0006,共16页崔晨豪 李勇 
卷积块注意力模块(CBAM)因其可以有效地提高深度学习模型的预测准确性从而在各种预测问题中显示了其优越性。然而,CBAM在股指预测问题中的有效性研究却十分有限。为了解决这个问题并提高股指的预测精度,本文提出了CBAMs-BiLSTM模型。它...
关键词：股指预测 双向长短期记忆网络 卷积块注意力模块 模型置信集检验 标准指标评价法 
全选清除导出
共9页<123456789>
检索报告 对象比较 聚类工具 使用帮助 返回顶部