基于DAE-BP神经网络的股票预测研究

• 作者: 万良 邓烜堃 黄娜娜
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度自编码器 受限布尔兹曼机 BP神经网络 股票预测
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 126-132
• 页数: 7页
• 分类号: TP183
• 字数: 5519字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1710-0190

摘要

股票指标数据种类多、维度高,且指标之间存在多重共线性.为了降低数据的维度、消除指标间的多重共线性和预测股票价格,首先构建了基于受限布尔兹曼机的深度自编码器,实现了高维数据向低维空间的压缩编码.然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型.实验结果表明,深度自编码器提取特征的能力优于主成分分析法和因子分析法;相比较使用降维前的数据,使用编码后的数据用预测股票价格,模型可以减少计算开销,并且获得更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	万良	贵州大学计算机科学与技术学院	37	125	6.0	8.0
5	邓烜堃	贵州大学计算机科学与技术学院	7	23	3.0	4.0
9	黄娜娜	贵州大学计算机科学与技术学院	4	10	3.0	3.0