基于误差修正和CEEMDAN-IGWO-ELM的股票价格预测建模

作     者：谢汇钦 颜七笙 

作者机构：东华理工大学理学院江西 南昌 

出 版 物：《应用数学进展》 (Advances in Applied Mathematics)

年 卷 期：2024年第13卷第5期

页      面：2256-2273页

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 

主　　题：自适应噪声完备集合经验模态分解 灰狼优化算法 极限学习机 误差修正 股票价格预测 

摘      要：针对股票价格非平稳、非线性等特性引发预测精度低的问题,引入Halton Sequence搜索算法、莱维飞行与等级制度策略对灰狼优化算法(GWO)进行改进,提出一种基于误差修正和CEEMDAN-IGWO-ELM股票价格预测模型。首先将股票交易数据进行归一化处理,作为极限学习机(ELM)的输入对股票价格进行预测得到初始预测结果,进而得到误差序列。然后利用PE自适应地确定自适应噪声完备集合经验模态分解(CEEMDAN)的参数,对误差序列进行分解,利用IGWO算法优化ELM模型可调参数对每个子序列建模预测,叠加各子序列预测结果对初始预测序列进行误差修正,得到最终股票预测值。仿真实验与Diebold-Mariano检验结果表明,与其他预测模型相比,所建立模型具有更高的预测精度和优越性。