基于MPCA-RBF模型的证券市场指数时间序列预测

• 作者: 叶文祎 曾亚丽 杨杰 郭志强
• 来源期刊: 计算机应用研究
• 关键词: 证券市场 张量 多线性主成分分析法 径向基神经网络 预测
• 年，卷（期）: 2017,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3299-3302
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.11.022

摘要

针对证券市场指数内部结构的复杂性和影响因素的高维性,提出基于MPCA-RBF(多线性主成分分析法—径向基神经网络)模型的证券市场指数时间序列预测方法.由于证券市场间存在关联性,选取了7个证券市场及34个技术指标构建三维张量模型,采用张量方法——MPCA进行特征提取,使降维的同时充分保留数据内部结构,之后利用RBF神经网络进行回归预测,提高了预测精度.对恒生指数和日经225指数的实验结果显示,与非张量模型相比,该模型预测误差较小,预测精度有较显著的提高,表明该模型能充分地保留证券时间序列内部结构,证明了其在证券预测领域的有效性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭志强	武汉理工大学信息工程学院	23	158	6.0	12.0
2	杨杰	武汉理工大学信息工程学院	123	833	13.0	24.0
3	曾亚丽	武汉理工大学信息工程学院	1	9	1.0	1.0
4	叶文祎	武汉理工大学信息工程学院	1	9	1.0	1.0