基于概率后缀树的股票时间序列预测方法研究

摘要：

在时间序列符号化基础上,本文引入概率后缀树PST模型,构建基于时间序列符号化和概率后缀树相结合的股票预测模型.本文选择在沪深300的10支股票数据上将预测模型与传统的马尔科夫模型MM和自回归移动平均模型ARMA进行对比,结果显示本文提出的股票预测模型优于MM模型和ARMA模型,验证了本文所提出的预测模型在投资收益上的有效性.

关键词：股票数据挖掘、时间序列符号化、高斯混合模型聚类、概率后缀树

所属期刊栏目：55

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61173099

在线出版日期：2018-01-22（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：61-66