基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
预测中输入变量的选取影响预测的速度和精度,传统方法选取输入变量主观性强,预测效果欠佳.本文使用主成分分析法选取输入变量,计算量小,预测效果更好.以沪市综合指数预测为例进行仿真计算,仿真结果表明了使用主成分分析法选取输入变量的有效性,它明显减少了预测时间,改善了预测精度.
推荐文章
基于集成学习的股票指数预测方法
股指预测
集成学习
模型聚合
机器学习
分类器
指数行情
基于结构修剪神经网络的股票指数预测模型
股票指数预测
预测指标体系
BP算法
贝叶斯分析
网络结构修剪
基于Adaptive Lasso的股票指数跟踪问题研究
Adaptive Lasso
指数跟踪
沪深 300 指数
基于主成分分析的投资者情绪指数的构建
投资者情绪
主成分分析
指数构建
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于主成分分析的股票指数预测研究
来源期刊 计算机工程与科学 学科 经济
关键词 主成分分析 BP神经网络 预测
年,卷(期) 2006,(8) 所属期刊栏目 研究与实现
研究方向 页码范围 122-124
页数 3页 分类号 F830
字数 1770字 语种 中文
DOI 10.3969/j.issn.1007-130X.2006.08.041
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张骏 西北工业大学自动控制学院 83 669 13.0 23.0
2 姬春煦 西北工业大学自动控制学院 1 46 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (90)
参考文献  (6)
节点文献
引证文献  (46)
同被引文献  (50)
二级引证文献  (178)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(4)
  • 参考文献(2)
  • 二级参考文献(2)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2007(6)
  • 引证文献(6)
  • 二级引证文献(0)
2008(5)
  • 引证文献(2)
  • 二级引证文献(3)
2009(7)
  • 引证文献(5)
  • 二级引证文献(2)
2010(9)
  • 引证文献(5)
  • 二级引证文献(4)
2011(17)
  • 引证文献(4)
  • 二级引证文献(13)
2012(22)
  • 引证文献(2)
  • 二级引证文献(20)
2013(18)
  • 引证文献(4)
  • 二级引证文献(14)
2014(20)
  • 引证文献(4)
  • 二级引证文献(16)
2015(19)
  • 引证文献(1)
  • 二级引证文献(18)
2016(19)
  • 引证文献(4)
  • 二级引证文献(15)
2017(23)
  • 引证文献(2)
  • 二级引证文献(21)
2018(28)
  • 引证文献(5)
  • 二级引证文献(23)
2019(20)
  • 引证文献(2)
  • 二级引证文献(18)
2020(11)
  • 引证文献(0)
  • 二级引证文献(11)
研究主题发展历程
节点文献
主成分分析
BP神经网络
预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导