基于细粒度演化超网络的股票预测

摘要：

为了更准确地预测股票的走势,提出了一种基于细粒度演化超网络的股票预测方法.对2011年证券年报数据进行处理,以预测其中股票在2012年的走势.采用卡方分裂算法和等宽度离散化相结合的方法对股票数据进行有效的离散化,以应对连续型数据简单二值化处理造成的信息损失,然后采用细粒度演化超网络模型预测每支股票在未来一年内的走势.试验结果表明:细粒度演化超网络对股票走势预测正确率是86.73％,股票上涨预测正确率是75.00％.得到了用细粒度超网络挖掘影响股票上涨的重要特征组合及其对应的取值范围,为投资者提供了一种可靠而又方便的选股新方法.

关键词：证券年报、股票预测、细粒度超网络、卡方分裂算法、机器学习

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：重庆市研究生科研创新项目CYS15167,CYS14147,CYS14150;重庆市基础与前沿研究计划项目cstc2014jcyjA40001

在线出版日期：2017-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：319-324