基于多输出学习的沪深300指数预测研究

发布时间：2018-01-04 23:22

  本文关键词：基于多输出学习的沪深300指数预测研究　出处：《计算机科学》2017年S2期 　论文类型：期刊论文

  更多相关文章： 多输出学习 回归 股票预测 任务相关性

【摘要】：在股票市场中,人们通常会依赖于股票的历史交易数据来进行推测。目前采用SVM方法进行预测的研究较多,但其模型复杂,耗时较长,而且通常只预测未来1天的数据。文中采用多输出的正则化方法来预测未来多天的走势,对多任务的学习方法进行改进,提出了一种基于多输出的学习方法。实验表明,与SVM支持向量机的方法相比,该方法在沪深300指数预测的均方差值上提高了约10倍,运行时长也减少了近3/4。
[Abstract]:In the stock market , people usually rely on the historical transaction data of stock to speculate . At present , there are many researches on the SVM method , but the model is complex , time consuming is long , and usually only the data of the next one day is predicted . The method of multi - output regularization is used to forecast the future multi - day trend . The method of multi - output learning is improved . The method is improved by about 10 times on the mean square difference of the Shanghai - Shenzhen 300 index forecast , and the operation duration is reduced by nearly 3 / 4 .

【作者单位】： 解放军理工大学指挥信息系统学院;
【基金】：国家自然科学基金项目(61473149)资助
【分类号】：F832.51;TP18
【正文快照】： 本文受国家自然科学基金项目(61473149)资助。1简介在很多实际应用中,我们处理的是多个相关的分类、回归或聚类任务。一个非常简单的方法就是不管任务间的相关性,将这些任务按无相关性来执行。在多任务学习中,将提取出的任务间的相关信息一起考虑。将多个相关任务同时进行学习

【相似文献】

相关期刊论文 前10条

1 钱晓山;;基于改进基因表达式程序设计的股票指数预测[J];计算机工程;2009年05期

2 王天娥;叶德谦;季春兰;;粗糙集属性约简方法在股票预测中的应用研究[J];计算机工程与应用;2009年30期

3 刘军;邱晓红;汪志勇;杨鹏;;基于相似性最优模块神经网络的股票预测[J];江西师范大学学报(自然科学版);2008年04期

4 魏立龙;许东方;孙浩;周明祥;;基于遗传算法的小波神经网络在股票预测中的应用[J];信息与电脑(理论版);2011年05期

5 林倩瑜;冯少荣;张东站;;基于神经网络和模式匹配的股票预测研究[J];计算机技术与发展;2010年05期

6 张扬武;;基于时间序列和神经网络相结合的股票预测研究[J];电脑知识与技术;2009年01期

7 智晶;张冬梅;姜鹏飞;;基于主成分的遗传神经网络股票指数预测研究[J];计算机工程与应用;2009年26期

8 王亿楷;赖国明;;BP神经网络的改进及其在股票预测中的应用[J];韩山师范学院学报;2008年06期

9 王爱平;陶嗣干;王占凤;;BP神经网络在股票预测中的应用[J];微型机与应用;2010年06期

10 孙伟;郭金华;夏冰;;基于RBF神经网络的股票预测理论探讨[J];黑龙江科技信息;2010年22期

相关硕士学位论文 前6条

1 张愉;基于EEMD去噪和PSO优化的几类模型在居民消费价格指数预测中的应用研究[D];兰州大学;2016年

2 吴涛;基于神经网络的模拟股票预测交易系统设计与实现[D];电子科技大学;2014年

3 回旋;模糊神经网络在股票预测中的应用研究[D];安徽财经大学;2012年

4 纪滕;基于BP网络的股票预测研究[D];昆明理工大学;2014年

5 王莎;BP神经网络在股票预测中的应用研究[D];中南大学;2008年

6 范涛;基于优化算法的股票预测研究[D];湖北工业大学;2015年

，

本文编号：1380565