基于DAE-BP神经网络的股票预测研究

摘要：

股票指标数据种类多、维度高,且指标之间存在多重共线性.为了降低数据的维度、消除指标间的多重共线性和预测股票价格,首先构建了基于受限布尔兹曼机的深度自编码器,实现了高维数据向低维空间的压缩编码.然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型.实验结果表明,深度自编码器提取特征的能力优于主成分分析法和因子分析法;相比较使用降维前的数据,使用编码后的数据用预测股票价格,模型可以减少计算开销,并且获得更高的预测精度.

关键词：深度自编码器、受限布尔兹曼机、BP神经网络、股票预测

所属期刊栏目：55

分类号：TP183(自动化基础理论)

资助基金：贵州省科学基金黔科合J字[2011]2328号,黔科合LH字[2014]7634号

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：126-132