|
|
1.
基于矩阵画像的金融时序数据预测方法
高世乐, 王滢, 李海林, 万校基
计算机应用
2021, 41 (1):
199-207.
DOI: 10.11772/j.issn.1001-9081.2020060877
针对金融市场中机构交易对股票市场中的散户投资行为具有较强的误导性的现象，提出了一种基于机构交易行为影响的趋势预测方法。首先，利用时间序列的矩阵画像（MP）方法，以股票换手率数据为切入点，构建不同兴趣模式长度下的基于机构交易行为影响的换手率波动知识库；其次，确定待预测股票在兴趣模式长度取何值时的预测结果精确度高；最后，根据该兴趣模式长度下的知识库，预测在机构交易行为影响下的单支股票的波动趋势。为验证趋势预测新方法的可行性和准确性，将其与自回归滑动平均（ARMA）模型和长短时记忆（LSTM）网络这两种预测方法进行对比分析，运用均方根误差（RMSE）与平均绝对百分误差（MAPE）评价指标综合比较3种方法对70支股票的预测结果。实验结果分析表明，与ARMA模型和LSTM网络相比，在70支的股票价格趋势预测上，所提方法有80%以上的股票预测结果更准确。
参考文献 |
相关文章 |
多维度评价
|
|
