基于EMD改进的Elman神经网络对股票的短期预测模型

• 作者: 吴曼曼 徐建新
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 经验模态分解 偏自相关函数 Elman神经网络 BP神经网络 股票收盘价 短期预测
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1119-1127
• 页数: 9页
• 分类号: TP183|TP391.9
• 字数: 6343字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2019.06.022

摘要

Elman神经网络在短期预测股市收盘价时存在预测趋势良好但准确度较低的问题.在 El-man神经网络的思想上提出以经验模态分解EMD为基础的Elman新组合模型.应用 EMD将各交易日的收盘价序列分解成不同时间尺度上的本征模函数IMF分量和剩余分量,进而利用偏自相关函数PACF计算每一个分量的滞后期,以确定各分量在 Elman 神经网络中的输入和输出变量,从而得到各分量的预测值,相加得到最终的预测结果.与EMD单一网络、EMD-Elman模型、BP 网络及 EMD-BP 模型进行实验对比,结果表明:该短期预测模型的预测值均方误差、平均绝对误差和平均绝对百分比误差都得到较大的改善;新组合模型可有效实现对股票收盘价的短期预测,且能降低非平稳性对预测结果的影响.该研究为进一步预测股市的走向提供了有效依据,也为投资者提供了更充分的决策参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐建新	昆明理工大学质量发展研究院	32	58	4.0	5.0
5	吴曼曼	昆明理工大学质量发展研究院	2	2	1.0	1.0