时态神经网络模型及其在股票分类预测上应用

• 作者: 孟志青 邱一豪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 时态数据 神经网络 股票 分类预测
• 年，卷（期）: 2019,（15）
• 所属期刊栏目: 工程与应用
• 页码范围: 263-270
• 页数: 8页
• 分类号: TP183
• 字数: 8444字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1806-0197

摘要

对具有时间属性的数据进行数据挖掘称为时态数据挖掘,用以发现数据在时间上的知识,当数据变化不规律时,如股票交易数据,就很难发现有价值的规律与规则.而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法.通过将股票数据与时态型相结合,将股票数据转换成时态型股票数据,提出时态神经网络模型的分类方法,对收集的若干上市公司十年内的股票数据进行分析,构建了时态股票数据神经网络分类器对股票进行分类预测.经过实验验证,相比改进前的神经网络和支持向量机方法,该分类器具有更高的分类准确率.结果证明,这种时态数据神经网络模型对于多只股票的分类预测是非常有效的,可以很好地运用到股票市场的分类预测中.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟志青	浙江工业大学经贸管理学院	95	608	12.0	21.0
2	邱一豪	浙江工业大学经贸管理学院	2	3	1.0	1.0