基于K线序列相似性搜索的股票价格预测
现有K线模式主要是通过人工观察方式(即人工相似性搜索)获得的.针对现有K线模式在股票预测中预测效果一般,且部分学者否认K线模式具有预测能力的现状,采用计算机技术和数据挖掘等方法,重新对K线序列相似性搜索预测进行研究.首先,定义K线序列的相似性度量模型,包括K线序列的形态相似性和位置相似性,来解决K线序列的相似性匹配问题;接着,基于K线序列的相似性度量模型,定义K线滑动搜索算法,来解决K线序列的相似性搜索问题;最后,基于K线序列的相似性搜索结果,提出了两种股票价格预测方法:普通序列相似性搜索预测法和模式序列相似性搜索预测法.在实验中,普通序歹和模式序列两种方法的预测准确率分别可以达到72.5%和77.8%.实验结果表明,K线模式具有预测能力,且K线模式较普通序列的预测效果更好;提出的两种股票预测方法,均可以较好地应用于股票预测与投资.
股票预测、K线图、K线序列、K线模式、相似性匹配、相似性搜索
37
TP274(自动化技术及设备)
“十二五”国家科技支撑计划项目2015BAF10B01;上海市科委基础研究项目14JC1402203
2018-03-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
229-235