本文關鍵詞：基于FAM-ELM股票價格預測研究　出處：《計算機仿真》2014年08期 　論文類型：期刊論文

  更多相關文章： 股票價格 預測 因子分析法 極限學習機

【摘要】：研究股票價格準確預測問題。股票價格預測是股票交易者最關心的問題,直接影響著股票交易者的收益。由于股票受經(jīng)濟發(fā)展的影響,價格波動較大,在股票價格預測中采用傳統(tǒng)神經(jīng)網(wǎng)絡方法存在訓練速度慢,易陷入局部極小值,隱含層節(jié)點數(shù)人為指定等問題,導致泛化能力受到影響,預測不準。為了提高股票價格預測的精度,提出基于因子分析法的極限學習機股票價格預測模型。首先使用因子分析法綜合股票價格影響指標;接著使用隱含層神經(jīng)元數(shù)量尋優(yōu)算法搜索最優(yōu)隱含層神經(jīng)元數(shù)量值;然后使用極限學習機對綜合后的股票價格影響指標進行學習,建立股票價格預測模型;最后通過實驗對模型性能進行測試。試驗結果證明,基于因子分析法的極限學習機提高了股票價格的預測精度和運行效率。
[Abstract]:Research on accurate prediction of stock price. Stock price prediction is the most concerned issue of stock traders, which directly affects the income of stock traders. Because of the impact of economic development, stock prices fluctuate greatly. In the stock price prediction, the traditional neural network method has some problems, such as slow training speed, easy to fall into local minimum value, and the number of hidden layer nodes is designated, which results in the influence of generalization ability. In order to improve the accuracy of stock price prediction, a model of extreme learning machine stock price prediction based on factor analysis is proposed. Firstly, factor analysis method is used to synthesize stock price influence index. Then the optimal number of hidden layer neurons is searched by using the optimal algorithm of the number of hidden layer neurons. Then we use the extreme learning machine to study the comprehensive stock price influence index and establish the stock price prediction model. Finally, the performance of the model is tested by experiments. The experimental results show that the ultimate learning machine based on factor analysis can improve the precision and efficiency of stock price prediction.
【作者單位】： 西安郵電大學管理工程學院;
【基金】：陜西省自然科學基金(2012GQ8050) 陜西省教育廳專項科研計劃項目(13JK0403) 西安郵電大學中青年基金(104-0410)
【分類號】：F830.91;TP18
【正文快照】： 1引言股票不但是國民經(jīng)濟的晴雨表,同時也是市民熱衷的投資工具,其價格波動的預測方法一直以來都是金融領域研究的焦點問題之一[1]。目前,國內外對于股票價格波動進行預測的模型很多,按照建模理論的不同,可將這些預測模型劃分為兩個大類:一類是以統(tǒng)計原理為基礎的傳統(tǒng)型波動率

【參考文獻】

相關期刊論文 前6條

1 沈巍;;股票價格預測模型研究[J];財經(jīng)問題研究;2009年07期

2 喻勝華;肖雨峰;;基于信息�；椭С窒蛄繖C的股票價格預測[J];財經(jīng)理論與實踐;2011年06期

3 王威立;郭勁;曹立華;陳娟;;基于神經(jīng)網(wǎng)絡極限學習機數(shù)據(jù)融合的共軸跟蹤[J];光學精密工程;2013年03期

4 夏克文;李昌彪;沈鈞毅;;前向神經(jīng)網(wǎng)絡隱含層節(jié)點數(shù)的一種優(yōu)化算法[J];計算機科學;2005年10期

5 蔡紅;陳榮耀;;基于PCA-BP神經(jīng)網(wǎng)絡的股票價格預測研究[J];計算機仿真;2011年03期

6 鄭斯日古楞;;灰色神經(jīng)網(wǎng)絡在股票價格預測中的應用[J];計算機仿真;2012年02期

【共引文獻】

相關期刊論文 前10條

1 陳任;鄧清勇;鄺利丹;李鳳姣;;基于Blackfin的鋰電池管理系統(tǒng)[J];兵工自動化;2011年12期

2 閆丹;張記龍;王志斌;陳媛媛;;基于黃金分割和BP網(wǎng)絡的氣體體積分數(shù)預測模型[J];傳感器與微系統(tǒng);2012年01期

3 張菊清;聶建亮;楊淑靖;;基于BP神經(jīng)網(wǎng)絡的地圖數(shù)字化誤差糾正[J];測繪科學;2008年03期

4 胡俊;桂霏;楊桂元;;組合模型對股票價格預測的比較研究[J];重慶科技學院學報(社會科學版);2012年04期

5 陳仲常;吳永球;;失業(yè)風險預警系統(tǒng)研究[J];當代財經(jīng);2008年05期

6 陳列;黃玉芳;譚美芳;楊柳;;個股曲線變化及其開盤價的回歸-馬爾科夫預測[J];當代教育理論與實踐;2011年11期

7 夏克文;李昌彪;劉宏杰;沈鈞毅;;用于油水層識別的一種簡化的神經(jīng)計算方法[J];大慶石油地質與開發(fā);2006年03期

8 文靚;黃川友;殷彤;;基于黃金分割理論的改進BP網(wǎng)絡地下水水質評價[J];地下水;2010年06期

9 于智龍;王偉力;;鋰離子電池容量快速預測的新方法[J];電源技術;2007年09期

10 甘健勝;洪偉;;基于時空數(shù)據(jù)的線性組合插值模型及其應用[J];福建林學院學報;2006年04期

相關會議論文 前1條

1 尹昌潔;王海東;;基于主成分分析的鍋爐NO_x排放的神經(jīng)網(wǎng)絡建模[A];智能化電站技術發(fā)展研討暨電站自動化2013年會論文集[C];2013年

相關博士學位論文 前10條

1 沈巍;建立股指波動預測模型的方法研究及應用[D];華北電力大學（北京）;2011年

2 付云鵬;基于模糊理論的組合投資模型及其應用研究[D];遼寧大學;2011年

3 馮楠;軟件項目風險管理理論與模型研究[D];天津大學;2007年

4 呂�？�;基于遙感信息的選線系統(tǒng)地理環(huán)境建模方法及應用研究[D];西南交通大學;2008年

5 張屹;基于分類器的測前仿真診斷法研究[D];北京交通大學;2008年

6 李春祥;基于知識發(fā)現(xiàn)的電力需求復合預測研究[D];華北電力大學（河北）;2009年

7 陳瓊忠;開關磁阻電機的非線性建模及在航空發(fā)動機多場耦合仿真中的應用[D];上海交通大學;2009年

8 李干瓊;SV因子分析框架下的農(nóng)產(chǎn)品市場短期預測[D];中國農(nóng)業(yè)科學院;2012年

9 黃操軍;E形傳感器機理及淺表地層含水率預測[D];東北石油大學;2011年

10 楊小山;室外微氣候對建筑空調能耗影響的模擬方法研究[D];華南理工大學;2012年

相關碩士學位論文 前10條

1 蘭杰;海底管道防腐狀態(tài)檢測關鍵技術研究[D];大連理工大學;2010年

2 于媛媛;竹漿纖維織物服用性能的研究[D];東華大學;2010年

3 汪新;相關多響應的穩(wěn)健參數(shù)設計[D];云南財經(jīng)大學;2011年

4 蔣亞鵬;建筑施工工期—安全評價研究[D];重慶大學;2010年

5 李文娟;改進BP神經(jīng)網(wǎng)絡在水質評價中的應用研究[D];重慶理工大學;2011年

6 呂紅梅;基于復雜路面的汽車運行工況域的動態(tài)調節(jié)[D];重慶理工大學;2011年

7 羅承銘;基于電容法的谷物水分檢測系統(tǒng)研究與設計[D];西北農(nóng)林科技大學;2011年

8 倪立斌;激光熔覆工藝參數(shù)優(yōu)化及掃描路徑規(guī)劃研究[D];湖南大學;2011年

9 鄭臣;實時動態(tài)心電圖認知與自動診斷系統(tǒng)的研究[D];北京郵電大學;2012年

10 何t，

本文編號：1379876