数据挖掘在股票价格组合预测中的应用

• 作者: 孙晓莹 李晓静
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 股票价格 数据挖掘 预测 支持向量机
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 社会科学领域仿真
• 页码范围: 375-378
• 分类号: TP309
• 字数: 2990字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2012.07.091

摘要

研究股票价格变化预测问题,股票价格受多种影响,导致具有突变性、非线性和随机性,单一预测方法只能描述股票价格部分变化规律,预测精度低.为提高股票价格预测精度,提出一种基于数据挖掘技术的股票价格组合预测模型.根据股票价格变化特点,首先对其线性变化规律进行建模预测,并对非线性变化规律进行建模预测,最后将两种预测结果进行融合,得到股票价格的最终预测结果.仿真结果表明,相对于单一股票价格预测模型,组合预测模型提高了股票价格预测精度,降低了股票价格预测误差,更加全面、准确反映了股票价格的变化规律,是一种有效、高精度的股票价格预测参考手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙晓莹	南阳理工学院计算机科学与技术系	15	81	4.0	9.0