一种基于流特征模式的股市跟踪预测算法

摘要：

由于股市波动的突发性、多变性,且时序数据呈非正态分布,传统的时序预测模型难以有效预测股市.提出了一种基于流特征模式的股市跟踪预测算法(SFM-PG),该算法根据股票之间的相关性构建贝叶斯网络,选取目标股票的马尔科夫毯作为其同辈群体,然后基于同辈群体之间的接近度,给出一种窗口跟踪式预测模型,其通过对同辈群体权重的动态更新进行跟踪式预测,以减少股票数据分布非正态性对预测的影响;进而,使用滑动窗口提取时序数据中的特征并形成流特征,通过与模式知识库的匹配提取流特征模式,并利用与流特征模式对应的知识调整预测结果,以减少由于突变所引入的预测误差.最后,在上证股票板块网络上的实验结果显示了算法的实用性和有效性.

关键词：流特征、流特征模式、同辈群体分析、股市预测

所属期刊栏目：40

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金61175051,61070131,61175033

在线出版日期：2014-01-19（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：45-51