基于时间序列预测的股票交易决策建议系统

• 作者: 蒋倩仪
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 时间序列预测 机器学习 交易边界模型
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 75-81,104
• 页数: 8页
• 分类号: TP391
• 字数: 7238字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.04.014

摘要

对股票市场特征选择的相关问题进行了研究和讨论.根据震荡盒理论提出一种新的适应于与机器学习相结合的交易边界模型,通过结合基于距离的多核极限学习机(DBMK-ELM)与交易边界模型,构建基于时间序列预测的股票交易决策建议系统,使得在股票交易中能稳定获得较高的收益率并保持较低的投资风险.该系统可以快速地学习股市的历史数据,以适应快速更新的股票价格变化模式.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋倩仪	中南林业科技大学计算机与信息工程学院	5	9	2.0	3.0