基于MPCA-RBF模型的证券市场指数时间序列预测

发布时间：2018-01-01 04:10

本文关键词：基于MPCA-RBF模型的证券市场指数时间序列预测　出处：《计算机应用研究》2017年11期 　论文类型：期刊论文

【摘要】：针对证券市场指数内部结构的复杂性和影响因素的高维性,提出基于MPCA-RBF(多线性主成分分析法—径向基神经网络)模型的证券市场指数时间序列预测方法。由于证券市场间存在关联性,选取了7个证券市场及34个技术指标构建三维张量模型,采用张量方法——MPCA进行特征提取,使降维的同时充分保留数据内部结构,之后利用RBF神经网络进行回归预测,提高了预测精度。对恒生指数和日经225指数的实验结果显示,与非张量模型相比,该模型预测误差较小,预测精度有较显著的提高,表明该模型能充分地保留证券时间序列内部结构,证明了其在证券预测领域的有效性和实用性。
[Abstract]:According to the high dimensional factors of the internal structure of the stock market index of the complexity and influence, proposed based on MPCA-RBF (multi linear principal component analysis and RBF neural network) forecasting method of stock market index time series model. Because of the existence of correlation between securities markets, selected 7 securities market and 34 technical indicators to construct 3D tensor the model, by using tensor method, MPCA feature extraction, the dimension is reduced and fully retained internal data structure, then using RBF neural network regression prediction, the prediction precision is improved. The Hang Seng Index and the index of the 225 day after the experimental results show that compared with the non tensor model, the forecasting error is smaller, the prediction accuracy is significantly improved, show that the model can fully retain the internal structure of stock time series, prove the securities forecast validity and practicability.

【作者单位】：武汉理工大学信息工程学院;
【基金】：国家自然科学基金面上项目(51479159) 湖北省自然科学基金面上项目(2014CFB868) 国家教育部归国人员启动基金资助项目(教外司留[2014]1685号) 中央高校基本科研业务费专项资金资助项目(2015-zy-091)
【分类号】：F832.51;TP183
【正文快照】： 0引言作为金融市场的主体,证券市场的稳定发展对国民经济发展起着重要支撑作用。证券市场指数涨跌是经济、政治、社会各因素的综合反映,其智能预测能保障投资利益最大化。证券市场指数的变化受多种诱因影响,且各市场因素间存在相互关系,难以建立准确的预测模型。但基于历史相

【相似文献】