基于相空间重构和非参数神经网络集成股市预测研究

• 作者: 赵世安
• 来源期刊: 广西民族大学学报：自然科学版
• 学科: 经济
• 关键词: 奇异谱分析 相空间重构 神经网络集成 非参数回归
• 年，卷（期）: 2011,（3）
• 所属期刊栏目: 数学
• 页码范围: 54-59
• 分类号: F832.0
• 字数: 4583字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-8462.2011.03.010

摘要

利用奇异谱分析方法对股市时间序列重构，降低噪声并提取趋势序列，并利用C-C算法确定嵌入为维数和延迟阶数进行相空间重构，生成神经网络的学习矩阵，进一步利用Boosting技术和不同的神经网络模型，生成神经网络集成个体，最后采用非参数回归模型进行集成，建立多元变窗宽高斯核函数的非参数回归的神经网络集成模型，以此建立股市预测模型．通过S＆P500指数开盘价进行实例分析，与传统的时间序列分析和其他集成方法对比，发现该方法能获得更准确的预测结果．计算结果表明该方法能充分反映股票价格时间序列趋势，为金融时间序列预测提供一个有效方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵世安	百色学院数学与计算机信息工程系	23	57	4.0	6.0