一种基于高阶奇异分解的个性化股票推荐算法

• 作者: 张谧 臧斌宇 茅斯佳
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 股票推荐 高阶奇异分解 线性回归
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 算 法
• 页码范围: 284-290
• 页数: 7页
• 分类号: TP3
• 字数: 10352字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.10.068

摘要

提出算法预测基金经理对股票的投资策略，为个体投资者提供投资意见。不同于仅依据股票本身信息推荐的传统算法，该算法通过高阶奇异值分解算法 HOSVD（Higher Order Singular Value Decomposition）学习基金经理的历史交易记录和投资者的个人特征因素，为投资者提供个性化推荐。除此之外，将非个性化推荐与个性化推荐进行整合，进一步提高推荐质量。对真实股票交易数据的仿真实验结果表明，用于推荐的个性化算法在准确度和收益率方面，优于传统的非个性化算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	臧斌宇	复旦大学软件学院	46	315	8.0	15.0
5	张谧	复旦大学软件学院	13	73	5.0	8.0
7	茅斯佳	复旦大学软件学院	2	2	1.0	1.0