

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、股票在國民經(jīng)濟(jì)中扮演著重要角色。對(duì)國民經(jīng)濟(jì)而言,如何保持股市穩(wěn)定、避免發(fā)生股災(zāi)是我國相關(guān)人員需要考慮的問題。對(duì)投資者而言,如何規(guī)避風(fēng)險(xiǎn),使獲利最大化是投資者日夜思考的問題。因此,對(duì)股票價(jià)格進(jìn)行預(yù)測從而做出最優(yōu)決定就顯得十分必要。我國的股票市場是一個(gè)非常復(fù)雜的非線性系統(tǒng),許多研究人員采用神經(jīng)網(wǎng)絡(luò)的非線性方法進(jìn)行股票價(jià)格預(yù)測并取得了不錯(cuò)的效果。但是使用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)進(jìn)行股價(jià)預(yù)測時(shí)存在訓(xùn)練過程復(fù)雜等問題。此外,股票價(jià)格受多種因素影響,使得股價(jià)表
2、現(xiàn)出不同走勢,導(dǎo)致單一模型很難滿足預(yù)測要求。同時(shí),大多股價(jià)預(yù)測模型缺乏地區(qū)行業(yè)通用性,即每次對(duì)一只股票進(jìn)行預(yù)測必須為該股票建立單獨(dú)的模型,且該單獨(dú)模型只包含該只股票的信息,并沒有包含與該只股票處于同一地區(qū)同一行業(yè)的其余股票信息,這使得單獨(dú)模型不能涵蓋影響該只股票價(jià)格的所有因素,導(dǎo)致預(yù)測精度不高,預(yù)測過程繁瑣復(fù)雜。
針對(duì)我國目前大多股價(jià)預(yù)測模型缺乏地區(qū)行業(yè)通用性及神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程復(fù)雜的問題,本文使用ESN建立基于上海地區(qū)房地產(chǎn)行
3、業(yè)的短期股價(jià)預(yù)測通用模型,簡化了訓(xùn)練過程,模型訓(xùn)練好后可預(yù)測上海地區(qū)房地產(chǎn)行業(yè)內(nèi)任意股票,且與用某只股票建立的單獨(dú)模型相比,該通用模型的預(yù)測精度明顯提高。針對(duì)短期股票價(jià)格預(yù)測方法中使用單一非線性模型預(yù)測效果不理想,本文在通用模型基礎(chǔ)上提出基于KMeans-ESN的短期股價(jià)預(yù)測上海地區(qū)房地產(chǎn)行業(yè)通用模型。通過選取不同的聚類指標(biāo),本文詳細(xì)提出了基于數(shù)據(jù)波動(dòng)性聚類的KMeans-ESN短期股價(jià)預(yù)測上海地區(qū)房地產(chǎn)行業(yè)通用模型和基于數(shù)據(jù)波動(dòng)性及變
4、化趨勢聚類的KMeans-ESN短期股價(jià)預(yù)測上海地區(qū)房地產(chǎn)行業(yè)通用模型,并將三類模型進(jìn)行了對(duì)比。通過聚類和對(duì)比實(shí)驗(yàn)得出ESN、基于數(shù)據(jù)波動(dòng)性聚類的KMeans-ESN、基于數(shù)據(jù)波動(dòng)性及變化趨勢聚類的KMeans-ESN這三種模型分別適合的數(shù)據(jù)類型。
同時(shí),由于回聲狀態(tài)網(wǎng)絡(luò)很多初始參數(shù)需要預(yù)先設(shè)定,而這些參數(shù)設(shè)置需有一定經(jīng)驗(yàn)的研究人員或通過試湊確定,針對(duì)這兩種方法需要人工干預(yù)、耗時(shí)、效率低等存在的不足,本文使用GSA對(duì)ESN模型
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于回聲狀態(tài)網(wǎng)絡(luò)的超短期負(fù)荷預(yù)測.pdf
- 基于回聲狀態(tài)網(wǎng)絡(luò)的熱點(diǎn)話題預(yù)測模型的研究.pdf
- 基于回聲狀態(tài)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測研究.pdf
- 基于回聲狀態(tài)網(wǎng)絡(luò)的電力負(fù)荷預(yù)測研究.pdf
- 基于回聲狀態(tài)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測研究.pdf
- 一種基于人工神經(jīng)網(wǎng)絡(luò)的短期股價(jià)預(yù)測模型的研究.pdf
- 基于回聲狀態(tài)網(wǎng)絡(luò)的設(shè)備健康狀態(tài)監(jiān)測與預(yù)測方法.pdf
- 基于回聲狀態(tài)神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測模型研究.pdf
- 基于改進(jìn)回聲狀態(tài)網(wǎng)絡(luò)的混沌時(shí)間序列多步預(yù)測.pdf
- 基于支持向量機(jī)的股價(jià)短期預(yù)測研究.pdf
- 基于模糊深度學(xué)習(xí)網(wǎng)絡(luò)算法的短期股價(jià)預(yù)測.pdf
- 基于回聲狀態(tài)網(wǎng)絡(luò)的移動(dòng)話務(wù)量預(yù)測方法.pdf
- 基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測模型研究
- 基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測模型研究.pdf
- 基于灰色預(yù)測模型的短期交通流預(yù)測研究.pdf
- 回聲狀態(tài)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)研究.pdf
- 基于BP人工神經(jīng)網(wǎng)絡(luò)模型的個(gè)股股價(jià)預(yù)測.pdf
- 基于回聲狀態(tài)網(wǎng)絡(luò)的圖像語義映射方法研究.pdf
- 大學(xué)論文基于arima模型的股價(jià)預(yù)測研究
- 基于多模型的短期電價(jià)預(yù)測.pdf
評(píng)論
0/150
提交評(píng)論