改进型LOBNN&AR-GARCH模型在股票预测中的应用

作     者：杨芸 陈亮 樊重俊 杨进 YANG Yun;CHEN Liang;FAN Chong-Jun;YANG Jin

作者机构：上海理工大学管理学院上海200093 上海理工大学理学院上海200093 

基　　金：国家自然科学基金青年项目(71601119) 

出 版 物：《运筹与管理》 (Operations Research and Management Science)

年 卷 期：2021年第30卷第10期

页      码：153-158页

摘      要：为实现对股票价格的短期预测,本文在Laguerre正交基神经网络(LOBNN)模型的基础上,提出了一种新的组合预测模型来预测短期股价的变化。该模型先通过改进LOBNN模型的权值求解算法,用以增强模型的通用性。接着在其基础上设计新的迭代算法,进一步提高模型的预测精度,进而得到新的LOBNN模型。之后将股价数据分别代入AR-GARCH模型和改进后的LOBNN模型,得到输入数据的两组预测值。最后通过不同的权重来组合两种预测结果,生成最终股价的预测结果。文末的仿真结果表明该组合模型在预测精度与通用性上较原始模型有较大的提升,是一种高效的预测模型。

主 题 词：股票预测 AR-GARCH模型 Laguerre正交基神经网络 L-M算法 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 

核心收录：

D　O　I：10.12005/orms.2021.0328

馆 藏 号：203105894...