检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于情感分析和GAN的股票价格预测方法

湖南大学学报（自然科学版） 2022年第10期49卷 111-118页

作者：刘玉玲赵国龙邹自然吴升婷湖南大学信息科学与工程学院湖南长沙410082 湖南大学工商管理学院湖南长沙410082

股票价格具有非平稳性和波动性特点,且投资者容易受自身情感影响,投资决策行为具有非理性特征,因此股票价格难以预测.针对预测股票价格的卷积神经网络情感分析方法存在文本标记分布不平衡问题,本文提出一种基于情感分析和生成对抗网络... 详细信息

股票价格具有非平稳性和波动性特点,且投资者容易受自身情感影响,投资决策行为具有非理性特征,因此股票价格难以预测.针对预测股票价格的卷积神经网络情感分析方法存在文本标记分布不平衡问题,本文提出一种基于情感分析和生成对抗网络的股票价格预测方法.首先,建立金融领域情感词典库;然后,使用基于词典的情感分析方法计算金融文本数据的情感极性和投资者每天的总体情感指数;最后,利用生成对抗网络对股市波动进行预测,其中生成器生成股票序列数据,而判别器采用卷积神经网络对生成数据和真实数据进行区分.该方法能动态地更新股票价格预测结果且误差较小.

关键词：股票价格预测情感分析卷积神经网络生成对抗网络

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

股票价格预测模型研究

财经问题研究 2009年第7期 89-93页

作者：沈巍华北电力大学工商管理学院北京102266

依据建模理论的不同,可将股票价格预测模型分为两大类,运用这两类模型对股票价格进行预测时各有特点。本文对这两类模型及其研究现状进行系统研究,将两类模型的特点进行比较分析,探讨股票价格预测模型在我国应用中存在的问题,并对未来... 详细信息

依据建模理论的不同,可将股票价格预测模型分为两大类,运用这两类模型对股票价格进行预测时各有特点。本文对这两类模型及其研究现状进行系统研究,将两类模型的特点进行比较分析,探讨股票价格预测模型在我国应用中存在的问题,并对未来发展方向提出建议。

关键词：股票价格预测 GARCH模型 SV模型神经网络灰色模型支持向量机

在线全文

学校读者我要写书评

暂无评论

股票价格预测方法研究

股票价格预测方法研究

作者：表二苏天津大学

学位级别：硕士

随着中国经济的迅速发展,中国的股票市场不断完善,人们对于股市的参与越来越多,渴望对股票价格的预测和好的预测精度。这是目前全世界都在关注的一个股票问题。这个问题吸引着无数的学者进行研究。本文针对这一问题,系统地介绍了股票价... 详细信息

随着中国经济的迅速发展,中国的股票市场不断完善,人们对于股市的参与越来越多,渴望对股票价格的预测和好的预测精度。这是目前全世界都在关注的一个股票问题。这个问题吸引着无数的学者进行研究。本文针对这一问题,系统地介绍了股票价格的预测理论的发展进程,以及各种常用的时间序列预测方法,包括ARIMA,神经网络,灰色理论,以及最新发展起来的支持向量机(Support Vector Machine,SVM)理论,并重点对支持向量机(Support Vector Machine,SVM)理论作了详细介绍。分别从理论背景,基本含义,基本原理,常用做法,基本步骤,及其改进和发展等几个方面作了全面介绍,并对他们的优缺点作了简单比较和分析。另外,本文还运用支持向量机(Support Vector Machine,SVM)和ARIMA分别对招商银行2006年下半年的股票价格做实证分析。通过做回归分析和预测,找出其中的最优参数,并对最后12月份的价格作出了预测,证明了支持向量机对于短期的时间序列预测具有非常高的预测精度,是一种非常好的数据分析和预测的方法,具有很大的使用价值。

关键词：股票价格预测支持向量机(SVM) ARIMA 神经网络灰色理论

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

股票价格预测的时间序列组合模型方法

股票价格预测的时间序列组合模型方法

作者：唐广宇湘潭大学

学位级别：硕士

随着国民经济的迅猛发展，股票市场已成为我国市场经济的重要组成部分，从中获取利润是所有投资者前来投资最原始、最直接的目的。要使投资尽可能地获利，需要对投资行为进行合理的决策，这就要求我们在这之前对股票历史数据进行充分、... 详细信息

随着国民经济的迅猛发展，股票市场已成为我国市场经济的重要组成部分，从中获取利润是所有投资者前来投资最原始、最直接的目的。要使投资尽可能地获利，需要对投资行为进行合理的决策，这就要求我们在这之前对股票历史数据进行充分、有效的分析，进而对价格有合理的预测。由于股票市场是一个复杂的非线性系统，其数据量庞大、变化平凡，建立一个计算速度适中和精确度较高的自动股票预测模型，对于股票市场监管者的监管和股票投资者的投资有着重要的参考和指导价值。股票价格序列是一种特殊的时间序列，因而我们可以采用一些改进的时间序列的方法对其进行预测。常用的时间序列方法有三大类：统计模型方法、机器学习方法和组合方法。单纯的统计模型方法在当下复杂的应用背景下，表现往往不尽人意，目前比较流行的为机器学习方法和组合方法。因为组合方法是多种方法的有机整合，这跟股票价格的多成分组成特点十分吻合，本文认为组合方法相比单一方法能够更好地对股票价格进行有效地预测。在普遍为人们接受的股票价格三组成划分的基础上，本文建立了组合优化选择的组合预测方法框架，允许将各部分的不同方法得到的结果的组合按一定的规则进行取舍得到最终的预测结果，进而获得了比单个预测方法更为可靠的结果。在此框架的基础上，本文还对其中一部分的组成成因进行了探索和研究，并据此建立了相应的数学模型，进一步改进了最终决定系统精度强波动部分预测模块的预测精度。还引入了一种随机预测结果修正方法，希望以此进一步提高模型的可靠性。本文选取沪市A股（共计946组）和深市A股（共计1135组）本文算法适用的个股和指数日收盘价进行了一系列的分析对比实验。首先对不同滤波器进行趋势获取的效果进行了对比分析;接着在类随机部分预测部分，对本文提出的新模型与传统AR模型进行了分析和比较;再还进行了随机预测结果修正方法的效果验证;最后进行了结果整合的总成实验，同时还验证了本文采用的组合结果选取准则的有效性。通过这一系列的实验，数据有力地验证了本文的假设和方法的合理性和有效性，同时也暴露出具体方法的一些问题。

关键词：股票价格预测时间序列组合划分框架

基于梯度因子的ARMA-GARCH股票价格预测模型研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

山西大学学报(哲学社会科学版) 2016年第1期39卷 115-122页

作者：张贵生张信东山西大学管理与决策研究所山西大学经济与管理学院

股票价格时间序列的不确定性是股票市场具有复杂运动规律的综合外在表现形式,通过科学建模对其展开预测性研究已经成为金融研究领域的一大热点。作为一种经典的金融时序回归方法,ARMA-GARCH模型在处理股指数据时却并未融合股票价格行为... 详细信息

股票价格时间序列的不确定性是股票市场具有复杂运动规律的综合外在表现形式,通过科学建模对其展开预测性研究已经成为金融研究领域的一大热点。作为一种经典的金融时序回归方法,ARMA-GARCH模型在处理股指数据时却并未融合股票价格行为背后所蕴含的经验知识,在一定程度上影响了预测模型泛化能力的进一步提高。本文把时序历史数据变化趋势的微分信号和股票市场的隔夜跳空开盘信息综合提取为一个梯度因子并引入到传统ARMA-GARCH模型中,建立了基于梯度因子的G-ARMA-GARCH模型。通过对上证综指、深证成指、香港恒生和标准普尔500指数收盘价收益率的实证研究表明,融合了梯度因子信息的G-ARMA-GARCH模型预测精度显著提高,而且具有良好的稳定性。

关键词：股票价格预测 ARMA-GARCH 梯度因子

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于ARIMA模型的短期股票价格预测

统计与决策 2016年第23期32卷 83-86页

作者：吴玉霞温欣河北金融学院河北省科技金融重点实验室河北保定071051 财政部财政科学研究所博士后流动站北京100142 南京财经大学经济学院南京210023

文章选取"华泰证券"250期的股票收盘价作为时间序列实证分析数据,通过建立ARIMA模型对创业板市场股票价格变动的规律和趋势进行了预测。实证结果表明,该模型短期动态、静态预测效果较好,可以为投资者和企业在进行相关决策时提供有益参考。

关键词：时间序列分析股票价格预测创业板 ARIMA模型

在线全文

学校读者我要写书评

暂无评论

灰色预测在股票价格预测中的应用

统计与决策 2007年第1期23卷 139-140页

作者：吴菊珍徐晔龚新桥江汉大学湖北省植物保护总站

一、灰色模型简介

关键词：股票价格预测灰色预测应用灰色系统理论灰色模型 GM模型

基于数值与文本特征的LSTM股票价格预测研究

在线全文

学校读者我要写书评

暂无评论

山西大学学报(自然科学版) 2023年第5期46卷 1058-1063页

作者：赵传君刘金峰武美龄常新功山西财经大学信息学院山西财经大学金融创新与大数据统计分析实验室山西大学计算机与科学技术学院

行为金融学理论指出，由社交媒体文本数据所折射出的投资者情绪在一定程度上影响着股票市场的波动。为了利用投资者情绪对股票市场作出更准确的预测，本文爬取2020年8月31日至2021年9月1日的沪深300指数股吧评论文本数据，使用基于融合... 详细信息

行为金融学理论指出，由社交媒体文本数据所折射出的投资者情绪在一定程度上影响着股票市场的波动。为了利用投资者情绪对股票市场作出更准确的预测，本文爬取2020年8月31日至2021年9月1日的沪深300指数股吧评论文本数据，使用基于融合基础情感词典和金融词典的分析方法将评论文本数据量化为投资者情绪指标，并利用长短期记忆（Long short-term memory,LSTM）神经网络构建了融合股票历史交易数据和基于股吧评论的投资者情绪指标的多特征预测模型。实验结果表明，基于数值和文本特征的LSTM股票价格预测模型的平均绝对误差（Mean absolute error,MAE）、均方根误差（Root mean squared error,RMSE）和均方误差（Mean square error,MSE）值较LSTM数值特征预测模型降低了18.84、15.79、1486.54。较GRU(Gated recurrent unit)数值文本特征模型，其MAE、RMSE、MSE值则降低了11.42、10.49、931.75。实验结果表明本文提出的方法可以有效预测股票价格指数。

关键词：股票价格预测数值与文本数据投资者情绪指标长短期记忆神经网络

MTICA-AEO-SVR股票价格预测模型

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2022年第8期58卷 257-263页

作者：邓佳丽赵凤群王小侠西安理工大学理学院西安710054

为了改善传统Fast ICA算法的稳定性和分离效率,基于Tukey M估计构造了一种新的非线性函数,提出了MTICA算法;并在此基础上结合SVR算法,建立了一种新的MTICA-AEO-SVR股票价格预测模型。用MTICA算法将原始股票数据分解为独立分量进行排序去... 详细信息

为了改善传统Fast ICA算法的稳定性和分离效率,基于Tukey M估计构造了一种新的非线性函数,提出了MTICA算法;并在此基础上结合SVR算法,建立了一种新的MTICA-AEO-SVR股票价格预测模型。用MTICA算法将原始股票数据分解为独立分量进行排序去噪,选择不同的SVR模型分别对各独立分量和股票价格进行预测。在SVR算法中引入了人工生态系统优化算法(AEO)选参,提高了模型的预测精度。通过对上证B股指数的实证分析,结果表明,MTICA-AEO-SVR模型比ICA-AEO-SVR模型和ICA-SVR模型更准确和高效。

关键词：股票价格预测独立分量分析(ICA) 人工生态系统优化算法(AEO) 支持向量机回归(SVR)