基于极限学习机的股票价格预测

• 作者: 廖洪一 王欣
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 极限学习机 股票价格 预测模型 支持向量机 神经网络
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 19-22
• 页数: 4页
• 分类号: TP181
• 字数: 4585字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-24752.0141.2.005

摘要

极限学习机（ Extreme Learning Machine ， ELM）是一种新型的单馈层神经网络算法，克服了传统的误差反向传播方法需要多次迭代，算法的计算量和搜索空间大的缺点，只需要设置合适的隐含层节点个数，为输入权和隐含层偏差进行随机赋值，一次完成无需迭代。研究表明股票市场是一个非常复杂的非线性系统，需要用到人工智能理论、统计学理论和经济学理论。本文将极限学习机方法引入股票价格预测中，通过对比支持向量机（ Support Vector Machine ， SVM）和误差反传神经网络（ Back Propagation Neural Network ， BP神经网络），分析极限学习机在股票价格预测中的可行性和优势。结果表明极限学习机预测精度高，并且在参数选择及训练速度上具有较明显的优势。