一种基于流特征模式的股市跟踪预测算法
由于股市波动的突发性、多变性,且时序数据呈非正态分布,传统的时序预测模型难以有效预测股市.提出了一种基于流特征模式的股市跟踪预测算法(SFM-PG),该算法根据股票之间的相关性构建贝叶斯网络,选取目标股票的马尔科夫毯作为其同辈群体,然后基于同辈群体之间的接近度,给出一种窗口跟踪式预测模型,其通过对同辈群体权重的动态更新进行跟踪式预测,以减少股票数据分布非正态性对预测的影响;进而,使用滑动窗口提取时序数据中的特征并形成流特征,通过与模式知识库的匹配提取流特征模式,并利用与流特征模式对应的知识调整预测结果,以减少由于突变所引入的预测误差.最后,在上证股票板块网络上的实验结果显示了算法的实用性和有效性.
股票价格 股市跟踪预测算法 流特征模式 预测模型 数据处理
姚宏亮 杜明超 李俊照 王浩
合肥工业大学计算机与信息学院 合肥 230009
国内会议
南宁
中文
45-51
2013-07-26（万方平台首次上网日期，不代表论文的发表时间）