10.16381/j.cnki.issn1003-207x.2015.12.003
基于误差校正的灰色神经网络股票收益率预测
在股票市场中,准确的股票收益率预测是市场交易各方共同关心的重要问题.由于影响股票市场的因素十分复杂,仅靠建立单一的股票收益率预测模型来提高预测精度是非常困难的.本文对当前股票收益率预测方法存在的不足进行了阐述,并提出了以误差校正来提高股票收益率预测精度的新思路.首先,利用训练样本构建灰色神经网络模型,然后对股票收益率进行初步预测;其次,引入EGRACH模型来挖掘和分析预测误差序列的内部信息,并对该序列后续点进行预测;最后,利用误差预测结果对股票收益率的初始预测值进行校正.文章以上证综合指数数据为例进行分析,结果显示,与校正前的预测精度相比,校正后的预测精度提高了9.3%,表明EGRACH的误差校正过程是有效的,也验证了该方法的可行性.
误差校正、灰色神经网络、股票收益率预测
23
F224(经济计算、经济数学方法)
国家自然科学基金资助项目71101041
2016-03-15(万方平台首次上网日期,不代表论文的发表时间)
20-26