一种基于高阶奇异分解的个性化股票推荐算法
A HOSVD-BASED PERSONALISED STOCK RECOMMENDATION ALGORITHM作者机构:复旦大学软件学院上海200433 复旦大学软件学院并行处理研究所上海200433 上海市智能信息处理重点实验室(复旦大学)上海200433
出 版 物:《计算机应用与软件》 (Computer Applications and Software)
年 卷 期:2015年第32卷第10期
页 面:284-290页
学科分类:08[工学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
摘 要:提出算法预测基金经理对股票的投资策略,为个体投资者提供投资意见。不同于仅依据股票本身信息推荐的传统算法,该算法通过高阶奇异值分解算法HOSVD(Higher Order Singular Value Decomposition)学习基金经理的历史交易记录和投资者的个人特征因素,为投资者提供个性化推荐。除此之外,将非个性化推荐与个性化推荐进行整合,进一步提高推荐质量。对真实股票交易数据的仿真实验结果表明,用于推荐的个性化算法在准确度和收益率方面,优于传统的非个性化算法。