10.3969/j.issn.1000-386x.2017.04.014
基于时间序列预测的股票交易决策建议系统
对股票市场特征选择的相关问题进行了研究和讨论.根据震荡盒理论提出一种新的适应于与机器学习相结合的交易边界模型,通过结合基于距离的多核极限学习机(DBMK-ELM)与交易边界模型,构建基于时间序列预测的股票交易决策建议系统,使得在股票交易中能稳定获得较高的收益率并保持较低的投资风险.该系统可以快速地学习股市的历史数据,以适应快速更新的股票价格变化模式.
时间序列预测、机器学习、交易边界模型
34
TP391(计算技术、计算机技术)
2016年度湖南省教育厅科学研究项目16C1658
2017-05-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
75-81,104