基于主成分分析与神经网络组合的股价变化趋势预测
股票价格影响因素众多,且存在复杂的相关关系,传统股票价格预测模型和神经网络模型无法消除影响因素直接的相关性,从而导致预测精度较低.为提高股票价格预测精度,提出了一种主成分分析与BP神经网络组合模型.利用主成分分析降低股票价格预测影响因素之间存在的冗余信息,降低BP神经网络模型输入数据的维数,简化神经网络拓扑结构,提高组合模型训练速度和预测精度.对自科学研究和技术服务业相关上市企业周股价进行仿真实验,结果表明PCA-BP组合模型的训练速度快,预测精度高,能够为股票价格预测提供有价值的参考.
主成分分析、简单回归分析、BP神经网络、股票预测
15
F830;TP183(金融、银行)
2019-04-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
170-172,177