基于多输出学习的沪深300指数预测研究

• 作者: 唐艳琴 张艳艳 潘志松
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 多输出学习 回归 股票预测 任务相关性
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 智能计算
• 页码范围: 106-109
• 页数: 4页
• 分类号: TP391
• 字数: 4613字
• 语种: 中文

摘要

在股票市场中,人们通常会依赖于股票的历史交易数据来进行推测.目前采用SVM方法进行预测的研究较多,但其模型复杂,耗时较长,而且通常只预测未来1天的数据.文中采用多输出的正则化方法来预测未来多天的走势,对多任务的学习方法进行改进,提出了一种基于多输出的学习方法.实验表明,与SVM支持向量机的方法相比,该方法在沪深300指数预测的均方差值上提高了约10倍,运行时长也减少了近3/4.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘志松	解放军理工大学指挥信息系统学院	47	385	9.0	17.0
2	唐艳琴	解放军理工大学指挥信息系统学院	10	108	4.0	10.0
3	张艳艳	解放军理工大学指挥信息系统学院	3	12	2.0	3.0