發(fā)布時間：2018-01-04 23:22

  本文關(guān)鍵詞：基于多輸出學(xué)習(xí)的滬深300指數(shù)預(yù)測研究　出處：《計算機科學(xué)》2017年S2期 　論文類型：期刊論文

  更多相關(guān)文章： 多輸出學(xué)習(xí) 回歸 股票預(yù)測 任務(wù)相關(guān)性

【摘要】：在股票市場中,人們通常會依賴于股票的歷史交易數(shù)據(jù)來進行推測。目前采用SVM方法進行預(yù)測的研究較多,但其模型復(fù)雜,耗時較長,而且通常只預(yù)測未來1天的數(shù)據(jù)。文中采用多輸出的正則化方法來預(yù)測未來多天的走勢,對多任務(wù)的學(xué)習(xí)方法進行改進,提出了一種基于多輸出的學(xué)習(xí)方法。實驗表明,與SVM支持向量機的方法相比,該方法在滬深300指數(shù)預(yù)測的均方差值上提高了約10倍,運行時長也減少了近3/4。
[Abstract]:In the stock market , people usually rely on the historical transaction data of stock to speculate . At present , there are many researches on the SVM method , but the model is complex , time consuming is long , and usually only the data of the next one day is predicted . The method of multi - output regularization is used to forecast the future multi - day trend . The method of multi - output learning is improved . The method is improved by about 10 times on the mean square difference of the Shanghai - Shenzhen 300 index forecast , and the operation duration is reduced by nearly 3 / 4 .

【作者單位】： 解放軍理工大學(xué)指揮信息系統(tǒng)學(xué)院;
【基金】：國家自然科學(xué)基金項目(61473149)資助
【分類號】：F832.51;TP18
【正文快照】： 本文受國家自然科學(xué)基金項目(61473149)資助。1簡介在很多實際應(yīng)用中,我們處理的是多個相關(guān)的分類、回歸或聚類任務(wù)。一個非常簡單的方法就是不管任務(wù)間的相關(guān)性,將這些任務(wù)按無相關(guān)性來執(zhí)行。在多任務(wù)學(xué)習(xí)中,將提取出的任務(wù)間的相關(guān)信息一起考慮。將多個相關(guān)任務(wù)同時進行學(xué)習(xí)

【相似文獻】

相關(guān)期刊論文 前10條

1 錢曉山;;基于改進基因表達式程序設(shè)計的股票指數(shù)預(yù)測[J];計算機工程;2009年05期

2 王天娥;葉德謙;季春蘭;;粗糙集屬性約簡方法在股票預(yù)測中的應(yīng)用研究[J];計算機工程與應(yīng)用;2009年30期

3 劉軍;邱曉紅;汪志勇;楊鵬;;基于相似性最優(yōu)模塊神經(jīng)網(wǎng)絡(luò)的股票預(yù)測[J];江西師范大學(xué)學(xué)報(自然科學(xué)版);2008年04期

4 魏立龍;許東方;孫浩;周明祥;;基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用[J];信息與電腦(理論版);2011年05期

5 林倩瑜;馮少榮;張東站;;基于神經(jīng)網(wǎng)絡(luò)和模式匹配的股票預(yù)測研究[J];計算機技術(shù)與發(fā)展;2010年05期

6 張揚武;;基于時間序列和神經(jīng)網(wǎng)絡(luò)相結(jié)合的股票預(yù)測研究[J];電腦知識與技術(shù);2009年01期

7 智晶;張冬梅;姜鵬飛;;基于主成分的遺傳神經(jīng)網(wǎng)絡(luò)股票指數(shù)預(yù)測研究[J];計算機工程與應(yīng)用;2009年26期

8 王億楷;賴國明;;BP神經(jīng)網(wǎng)絡(luò)的改進及其在股票預(yù)測中的應(yīng)用[J];韓山師范學(xué)院學(xué)報;2008年06期

9 王愛平;陶嗣干;王占鳳;;BP神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用[J];微型機與應(yīng)用;2010年06期

10 孫偉;郭金華;夏冰;;基于RBF神經(jīng)網(wǎng)絡(luò)的股票預(yù)測理論探討[J];黑龍江科技信息;2010年22期

相關(guān)碩士學(xué)位論文 前6條

1 張愉;基于EEMD去噪和PSO優(yōu)化的幾類模型在居民消費價格指數(shù)預(yù)測中的應(yīng)用研究[D];蘭州大學(xué);2016年

2 吳濤;基于神經(jīng)網(wǎng)絡(luò)的模擬股票預(yù)測交易系統(tǒng)設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

3 回旋;模糊神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用研究[D];安徽財經(jīng)大學(xué);2012年

4 紀(jì)滕;基于BP網(wǎng)絡(luò)的股票預(yù)測研究[D];昆明理工大學(xué);2014年

5 王莎;BP神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的應(yīng)用研究[D];中南大學(xué);2008年

6 范濤;基于優(yōu)化算法的股票預(yù)測研究[D];湖北工業(yè)大學(xué);2015年

，

本文編號：1380565