改进的TSVR模型在股市高频数据上的预测

作     者：张冰 王传美 贺素香 ZHANG Bing;WANG Chuan-mei;HE Su-xiang

作者机构：武汉理工大学理学院 

基　　金：国家自然科学基金项目(71473186) 中央高校基本科研业务费基金项目(2018IB016) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2019年第40卷第11期

页      码：3241-3246页

摘      要：为构建更精准的股票价格预测模型,提出具有局部信息挖掘功能的DNN加权算法对eplion-TSVR模型进行改进,并对改进模型的求解进行推导,针对DNN算法对于参数的选取太过随意,提出使用网格搜索法确定DNN的最优参数以确定最优DR域。搜集中国上证A股中的15支股票的日价格和高频5分钟价格数据并计算其技术指标,对20天以及20分钟后的收盘价进行实证预测。预测结果显示,改进模型在高频股票数据上具有很好的预测能力和泛化性能。

主 题 词：D近邻加权算法 孪生支持向量回归机 股价预测 高频数据 网格搜索 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2019.11.030

馆 藏 号：203823163...