变结构时态神经网络模型在股票预测中的应用

摘要：

股票价格形成的时序数据具有非线性和非平稳性,传统的模型难以处理这些特征,为此提出一种处理非平稳数据的变结构时态神经网络预测模型.采用基于多分辨率分析的Mallat算法对股票数据进行预处理,将时序数据分为高频和低频序列.针对不同序列下的数据特征,将其转化为时态型数据集,采用粒子群算法寻找不同序列下的神经网络结构,建立变结构预测模型.实验结果表明,与未改进的神经网络和SVM方法相比,该预测模型具有更低的预测误差.

关键词：时态数据、小波分析、粒子群算法、神经网络、股票预测

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：浙江省自然科学基金项目MLY18A010031

在线出版日期：2020-06-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1733-1741