基于神经网络集成学习算法的金融时间序列预测
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.15888/j.cnki.csa.008551

基于神经网络集成学习算法的金融时间序列预测

引用
本文在传统神经网络(NN)、循环神经网络(RNN)、长短时记忆网络(LSTM)与门控循环单元(GRU)等神经网络时间预测模型基础上,进一步构建集成学习(EL)时间序列预测模型,研究神经网络类模型、集成学习模型和传统时间序列模型在股票指数预测上的表现.本文以16只A股和国际股票市场指数为样本,比较模型在不同预测期间和不同国家和地区股票市场上的表现.本文主要结论如下:第一,神经网络类时间序列预测模型和神经网络集成学习时间序列预测模型在表现上显著稳健优于传统金融时间序列预测模型,预测性能提高大约35%;第二,神经网络类模型和神经网络集成学习模型在中国和美国股票市场上的表现优于其他发达国家和地区的股票市场.

神经网络、集成学习、金融时间序列、预测、机器学习

31

TP391;F830.91;TP181

2022-06-22(万方平台首次上网日期,不代表论文的发表时间)

共9页

29-37

相关文献
评论
暂无封面信息
查看本期封面目录

计算机系统应用

1003-3254

11-2854/TP

31

2022,31(6)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn