基于DFS-BPSO-SVM的股票趋势预测方法

• 作者: 李辉 赵玉涵
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 二进制粒子群算法 支持向量机 两层特征选取 特征子集区分度衡量准则 股票趋势预测
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 147-151
• 页数: 5页
• 分类号: TP319
• 字数: 6269字
• 语种: 中文
• DOI: 10.11907/rjdk.171931

摘要

技术指标广泛应用于股票市场的预测分析,不同特征组合对预测效果产生不同影响.为了提高股票趋势预测的准确度,提出一种两层特征选取及预测方法.第一层特征选取以特征子集区分度衡量准则——DFS为评价标准,第二层特征选取以分类器分类效果为评价准则,两层特征选取均采用二进制粒子群(BPSO)算法对特征空间进行搜索.通过第一层特征选取可以高效剔除部分非预测相关特征,在保留预测特征集信息的基础上缩小特征集规模;第二层特征选取可以准确选择出具有较好预测效果的特征子集.实验数据为2015～2016年上海证券综合指数,结果表明,DFS-BPSO-SVM预测模型相比于其它4种特征选取及预测模型,具有更好的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李辉	河南理工大学物理与电子信息学院	70	285	9.0	12.0
2	赵玉涵	河南理工大学物理与电子信息学院	2	3	1.0	1.0