基于分形插值与机器学习模型的股指分析和预测

• 作者: 朱婷 王宏勇 马洁
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 经济
• 关键词: 分形插值 SVM BP神经网络 股指序列 预测
• 年，卷（期）: 2019,（6）
• 页码范围: 57-64
• 页数: 8页
• 分类号: F224.9|F830.9
• 字数: 6928字
• 语种: 中文
• DOI: 10.16055/j.issn.1672-058X.2019.0006.010

摘要

股票市场预测一直是金融市场分析中的热点和难点,一些传统的预测模型很难对股票市场做出有效的预测;针对这一问题,将分形插值方法与机器学习算法相结合,提出了分形插值与SVM以及分形插值与BP神经网络两种混合模型;所提的混合模型利用机器学习算法首先计算出分形插值所需要的插值点,然后建立分形插值外推模型对所需其他值进行预测;实证结果发现两个混合模型的预测效果均比单独使用分形插值模型预测效果更佳,预测精度更高;因此分形插值方法与机器学习算法相结合所得到的混合模型,能较好地预测诸如股票市场指数等非平稳金融时间序列.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王宏勇	南京财经大学应用数学学院	32	150	7.0	11.0
2	朱婷	南京财经大学应用数学学院	2	0	0.0	0.0
3	马洁	南京财经大学应用数学学院	3	0	0.0	0.0