首页> 中文期刊> 《嘉兴学院学报》 >基于稀疏贝叶斯极限学习机算法的股票价格预测

基于稀疏贝叶斯极限学习机算法的股票价格预测

         

摘要

股票价格模型是金融理论分析与实证分析的重要基础,学术界与金融业界对其建模预测一直保持着极大的兴趣,但由于股票价格表现出高噪声性、强非线性、随机分形结构以及长记忆效应等特点,需要融合优化算法、统计学习方法与金融学理论对其建模分析.基于传统方法的股票价格过程建模预测结果往往精度不够好,所建立的模型泛化能力较差.基于稀疏贝叶斯极限学习机 ( SBELM) 方法对股票价格进行建模预测, SBELM既能保持传统极限学习机 ( ELM) 算法训练过程简捷的优点,又具有稀疏贝叶斯学习机自动选择隐藏层节点数的优点.利用上证综合指数2014-2015年的市场数据,比较基于SBELM方法的建模预测与基于贝叶斯极限学习机 ( BLEM)、 ELM 以及 BP 神经网络学习算法的建模预测,结果表明,基于SBELM方法的市场指数模型预测精度最高、泛化能力最强,具有较好的应用价值.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号