基于改进极限学习机算法的股票价格在线预测

摘要：

为了对股票价格进行准确、快速的在线预测，提出一种基于改进极限学习机算法（IELM）的股票价格在线预测模型。在极限学习机（ELM）中引入Cholesky分解方法，使网络权值随新样本的逐次加入递推更新，提高模型的泛化能力，加快网络学习效率，然后对交通银行股票（601328）的收盘价进行仿真实验。结果表明，相对于对比模型， IELM不仅提高了计算效率，而且提高了股票价格预测精度，可以实现股票价格快速、准确在线预测。

关键词：股票价格、极限学习机、在线预测、网络权值

分类号：TP399(计算技术、计算机技术)

资助基金：阜阳职业技术学院校级科研课题No.2013JKYXM11。

在线出版日期：2014-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：139-143