10.3969/j.issn.1000-386x.2017.05.046
基于回声状态网络的短期股价预测模型
针对传统单只股票预测模型预测精度低以及传统神经网络训练过程复杂的问题,提出一种基于ESN(Echo State Network)的地区行业通用模型,该模型可预测同地区同行业内任意股票.使用ESN建立了上海地区房地产行业的股价预测通用模型,简化了训练过程,且与单只股票预测模型相比,该通用模型预测精度明显提高.在通用模型基础上提出一种基于数据波动性聚类的KMeans-ESN模型,通过实验得出:基于ESN的短期股价预测地区行业通用模型适合波动大的数据、基于数据波动性聚类的KMeans-ESN短期股价预测模型适合波动小的数据.
KMeans、回声状态网络、短期股价预测、通用模型、波动性
34
TP399(计算技术、计算机技术)
2017-06-28（万方平台首次上网日期，不代表论文的发表时间）
共6页
268-272,333
