

已閱讀1頁(yè),還剩59頁(yè)未讀, 繼續(xù)免費(fèi)閱讀
版權(quán)說(shuō)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(jiǎn)介
1、證券市場(chǎng)是不穩(wěn)定的和隨機(jī)的,僅僅預(yù)測(cè)明天的股價(jià)趨勢(shì)也是很困難的。但是,當(dāng)我們建立了出色的、有良好構(gòu)造的特征集模型,以獲得不斷變化的股價(jià)趨勢(shì)中隱藏的不易觀察的屬性時(shí),我們的預(yù)測(cè)能力就會(huì)提高,就能夠更好地估計(jì)股價(jià)的趨勢(shì)。
本文提出了一個(gè)可以更好地預(yù)測(cè)股票價(jià)格未來(lái)趨勢(shì)的二元事件模型,它結(jié)合了各種常用的技術(shù)指標(biāo),并運(yùn)用貝葉斯和支持向量機(jī)分類算法證明了該模型在預(yù)測(cè)準(zhǔn)確性和速度方面的優(yōu)勢(shì),預(yù)測(cè)準(zhǔn)確率達(dá)到70%﹣80%左右。同時(shí)其回歸測(cè)試表
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)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(kù)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
- 基于混合模型的股票趨勢(shì)預(yù)測(cè)方法研究.pdf
- 基于二元邏輯回歸模型的mooc退課預(yù)測(cè)
- 中國(guó)股價(jià)指數(shù)與國(guó)際股價(jià)指數(shù)的協(xié)同性——基于二元馬爾可夫機(jī)制轉(zhuǎn)換模型.pdf
- 股票權(quán)證基于分類模型的升跌趨勢(shì)預(yù)測(cè).pdf
- 基于公共事件的二元決策圖底事件排序方法研究.pdf
- 基于粗糙集的股價(jià)趨勢(shì)預(yù)測(cè)研究.pdf
- 關(guān)于二元風(fēng)險(xiǎn)模型.pdf
- 基于加法工藝二元光學(xué)組件制作模型的研究.pdf
- 基于模式識(shí)別的股價(jià)趨勢(shì)預(yù)測(cè)系統(tǒng).pdf
- 股票預(yù)測(cè)模型研究.pdf
- 大學(xué)論文基于arima模型的股價(jià)預(yù)測(cè)研究
- 二元決策圖底事件排序方法的研究.pdf
- 二元極值混合模型的模擬研究.pdf
- 公司價(jià)值趨勢(shì)預(yù)測(cè)及股票定價(jià)模型應(yīng)用研究.pdf
- 基于情感分析的股票預(yù)測(cè)模型研究.pdf
- 大學(xué)論文基于arima模型的股價(jià)預(yù)測(cè)研究
- 基于多相場(chǎng)模型的二元合金層片生長(zhǎng)研究.pdf
- 微博關(guān)注度對(duì)股價(jià)變動(dòng)的影響——基于股票分紅的分析.pdf
- 基于關(guān)聯(lián)規(guī)則的股票時(shí)間序列趨勢(shì)預(yù)測(cè)研究.pdf
- 基于二元信任的P2P信任模型研究.pdf
評(píng)論
0/150
提交評(píng)論