互信息与RBM特征提取的股票指数预测模型

发布时间：2022-10-09 16:41

　　为给市场参与者和管理者提供有效判断股票市场的状态及未来的变化趋势的决策依据,以人工智能的非线性模型为基础,基于支持向量机理论,借助差分进化算法对其参数寻优,构建基于互信息与RBM特征提取的股票指数预测模型,拓展信息挖掘的范围,将技术指标和周边市场信息以互信息加权的方式同时纳入运算;基于RBM无监督学习方式,与支持向量机深度结合,提取数据中隐含的深层次特征.通过恒生指数的实例验证结果表明所构建模型的有效性,研究结论为投资者行情分析及决策提供参考建议. 

【文章页数】：6 页

【文章目录】：
0 引言
1 RBM模型
    1.1 受限玻尔兹曼机
    1.2 RBM的训练
    1.3 深度信念网络
2 模型构建
3 模型的验证与结果分析
    3.1 数据的选取和预处理
    3.2 互信息加权
    3.3 参数的选取及优化
    3.4 结果对比与分析
4 结论


【参考文献】：
期刊论文
[1]基于粒子群训练的神经网络股票预测模型[J]. 肖冬荣,杨子天.  统计与决策. 2009(12)
[2]多输出支持向量回归及其在股指预测中的应用[J]. 胡蓉.  计算机技术与发展. 2007(10)



本文编号：3688990