基于概率后缀树的股票时间序列预测方法研究

• 作者: 李旭伟 程小林 郑兴
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 股票数据挖掘 时间序列符号化 高斯混合模型聚类 概率后缀树
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 61-66
• 页数: 6页
• 分类号: TP391
• 字数: 5010字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2018.01.011

摘要

在时间序列符号化基础上,本文引入概率后缀树PST模型,构建基于时间序列符号化和概率后缀树相结合的股票预测模型.本文选择在沪深300的10支股票数据上将预测模型与传统的马尔科夫模型MM和自回归移动平均模型ARMA进行对比,结果显示本文提出的股票预测模型优于MM模型和ARMA模型,验证了本文所提出的预测模型在投资收益上的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李旭伟	四川大学计算机学院	45	272	9.0	15.0
2	郑兴	四川大学计算机学院	4	6	1.0	2.0
3	程小林	四川大学计算机学院	2	5	1.0	2.0