基于相空间重构与ESN的股票预测
回声状态网络(ESN)是一种新型的递归神经网络,可有效处理非线性时间序列预测问题。平滑异同移动平均线(MACD)是所有技术指标里最经典的一个,正确运用这个指标可以达到较好的买卖效果。将二者结合起来,构建了基于ESN和MACD的多变量时间序列预测模型。该方法将时间序列数据进行相空间重构,然后作为ESN网络的输入进行建模,并用来进行股票预测,将预测的结果进行MACD处理,给出具体的交易建议。针对微软公司的股票开盘价及收盘价做了实验,并与BP网络模型预测结果做了对比。
相空间重构 ESN网络 回声状态网络 平滑异同移动平均线 股票预测 BP网络模型
张华光 梁久祯
江南大学信息工程学院 无锡 214122
国内会议
第九届中国Rough集与软计算、第三届中国Web智能、第三届中国粒计算联合会议(CRSSC-CWI-CGrC’2009)
石家庄
中文
122-125
2009-08-01（万方平台首次上网日期，不代表论文的发表时间）