改进的TSVR模型在股市高频数据上的预测

摘要：

为构建更精准的股票价格预测模型,提出具有局部信息挖掘功能的DNN加权算法对eplion-TSVR模型进行改进,并对改进模型的求解进行推导,针对DNN算法对于参数的选取太过随意,提出使用网格搜索法确定DNN的最优参数以确定最优DR域.搜集中国上证A股中的15支股票的日价格和高频5分钟价格数据并计算其技术指标,对20天以及20分钟后的收盘价进行实证预测.预测结果显示,改进模型在高频股票数据上具有很好的预测能力和泛化性能.

关键词：D近邻加权算法、孪生支持向量回归机、股价预测、高频数据、网格搜索

所属期刊栏目：40

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金项目71473186;中央高校基本科研业务费基金项目2018IB016

在线出版日期：2020-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3241-3246