基于相空间重构理论与递归神经网络相结合的股票短期预测方法

• 作者: 彭宏 郑启伦 钟谭卫 马千里
• 来源期刊: 计算机应用研究
• 关键词: 股票短期预测 时间序列 相空间 神经网络
• 年，卷（期）: 2007,（4）
• 所属期刊栏目: 开发应用
• 页码范围: 239-241,245
• 页数: 4页
• 分类号: TP301.06
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2007.04.072

摘要

根据股票指数时间序列复杂的非线性特性,提出以相空间重构理论与递归神经网络相结合的股票短期预测新方法.以相空间重构理论确定最佳延迟时间和最小嵌入维数,以最佳延迟时间为间隔的最小嵌入维数作为递归神经网络的输入维数,并按预测相点步进递归的生成训练数据进行短期预测,提高了预测精度和稳定性.该方法应用于沪市股票综合指数预测,其结果与传统的单纯用BP网络模型预测的结果相比较,精度大大提高,证明了该预测模型和方法在实际时间序列预测领域的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭宏	华南理工大学计算机科学与工程学院	188	2058	24.0	34.0
2	郑启伦	华南理工大学计算机科学与工程学院	103	1003	17.0	26.0
3	马千里	华南理工大学计算机科学与工程学院	28	283	10.0	16.0
4	钟谭卫	华南农业大学理学院	6	64	4.0	6.0