基于细粒度演化超网络的股票预测

• 作者: 刘晓 杨康 王进 胡峰 董师周
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 证券年报 股票预测 细粒度超网络 卡方分裂算法 机器学习
• 年，卷（期）: 2017,（3）
• 页码范围: 319-324
• 页数: 6页
• 分类号: TP391.4
• 字数: 5723字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2017.03.012

摘要

为了更准确地预测股票的走势,提出了一种基于细粒度演化超网络的股票预测方法.对2011年证券年报数据进行处理,以预测其中股票在2012年的走势.采用卡方分裂算法和等宽度离散化相结合的方法对股票数据进行有效的离散化,以应对连续型数据简单二值化处理造成的信息损失,然后采用细粒度演化超网络模型预测每支股票在未来一年内的走势.试验结果表明:细粒度演化超网络对股票走势预测正确率是86.73％,股票上涨预测正确率是75.00％.得到了用细粒度超网络挖掘影响股票上涨的重要特征组合及其对应的取值范围,为投资者提供了一种可靠而又方便的选股新方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡峰	重庆邮电大学计算机科学与技术学院	49	519	11.0	21.0
5	王进	重庆邮电大学计算机科学与技术学院	50	202	8.0	12.0
9	杨康	重庆邮电大学计算机科学与技术学院	8	62	3.0	7.0
10	刘晓	重庆邮电大学计算机科学与技术学院	1	1	1.0	1.0
11	董师周	重庆邮电大学计算机科学与技术学院	1	1	1.0	1.0