-
题名融合三支聚类与分解集成学习的股票价格预测模型
- 1
-
-
作者
白军成
孙秉珍
郭誉齐
陈有为
郭建峰
-
机构
西安电子科技大学经济与管理学院
西安邮电大学计算金融与风险管理研究中心
-
出处
《运筹与管理》
CSSCI
CSCD
北大核心
2024年第8期213-218,共6页
-
基金
国家自然科学基金资助项目(72071152)
陕西省杰出青年科学基金项目(2023-JC-JQ-11)
+2 种基金
西安市科技项目(2022RKYJ0030)
教育部人文社会科学研究项目(22YJA630008)
中央高校基础研究项目(20101236618,20101236262)。
-
文摘
准确的趋势判断与实时价格预测是获得理想投资收益的有效途径。现实的金融市场受客观经济环境变化,投资者预期回报以及其他潜在因素影响,使得传统预测方法面临较多的挑战和压力。如何在不确定的环境中发现一种可靠的预测工具,提高预测的准确性,将是值得深入探讨的科学问题。为了获得准确的预测,帮助投资者赢得最大利润,本文引入分解集成思想和三支决策理论,提出了一种基于三支聚类和分解集成的复合预测方法。首先,使用互补集成经验模态分解方法将原始时间序列分解成若干个相对平稳的子序列,实现降低原始时间序列复杂性的同时挖掘了隐藏的信息。其次,为了针对性地处理不同属性的子序列,构建了基于贝叶斯风险决策的概率粗糙集进行三支聚类。接着,为了避免输入信息的欠缺或者冗余信息的干扰,采用基于相空间重构的特征选择方法确定不同神经网络的输入结构。最后,将提出的方法应用于美股ANY价格预测和国际、国内的重要股票指数以及其成分股预测验证其有效性和实用性。同时为把粒计算思想方法与分解集成融合,构建复杂动态数据预测决策模型与方法进行了有益的尝试和探讨。此外,研究结果将为投资者的实际投资决策提供科学的支持与参考。
-
关键词
三支聚类
互补集成经验模态分解
股票价格预测
-
Keywords
three-way clustering
complementary ensemble empirical mode decomposition
stock price forecasting
-
分类号
F830.9
[经济管理—金融学]
-
