小波分析下的神经网络股票预测研究

• 作者: 唐瑞 孙冰洁 左毅 黄明和
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 小波分解与重构 神经网络 股票预测 沪深300指数
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 算法与分析
• 页码范围: 1031-1034,1106
• 页数: 5页
• 分类号: TP391
• 字数: 2918字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2016.06.010

摘要

研究股票价格准确预测问题.股票市场是一个非常复杂的非线性动力学系统,传统的时间序列预测方法很难揭示其内在规律,预测结果误差较大.论文利用小波分解与重构,将原始非平稳时间序列分解为不同尺度下的时间序列分量,依照其各自特点,分别采用Elman神经网络和BP神经网络模型,对各层系数进行建模与预测,通过整合各层系数,得到原始时间序列的预测值.通过对沪深300指数的仿真预测实验表明,基于小波分解的神经网络组合预测方法比传统神经网络预测方法的预测精度明显提高,具有实际的推广应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄明和	江西师范大学软件学院	73	440	12.0	17.0
2	左毅		6	36	3.0	6.0
3	唐瑞	江西师范大学软件学院	7	47	4.0	6.0
4	孙冰洁	江西师范大学软件学院	2	28	2.0	2.0