基于多视角特征数据的股票预测研究

摘要

股票预测研究是金融大数据的一个应用研究方向,随着信息技术的发展,股票预测研究不仅仅拘泥于基本分析方法,而是更多地使用技术分析方法,如机器学习方法,并且取得了具有一定意义的研究成果。其中,神经网络方法,为股票预测研究提供了新的建模方法。本文在研究股票预测问题的相关背景、方法或模型以及相关理论知识的基础上,将视角这个概念引入到股票预测问题的研究中,从视角出发来研究股票预测问题。本文的主要研究工作有以下方面:

1.提出基于单视角特征数据的BPNN模型,并进行股票预测研究。从视角出发,用基于单视角特征数据的BPNN模型来进行股票预测研究。基于中国股票市场A股的上海证券交易所浦发银行(股票代码为SH600000)的股票历史数据,经过开发的金融大数据基础数据处理平台的处理,得到基于技术指标视角的特征数据,基于单技术指标视角特征数据来进行确定该模型最优网络结构和股票预测的实证分析。

2.提出基于多视角特征数据信息融合的BPNN模型,并进行股票预测研究。针对单视角特征数据的信息不完整问题,从多视角特征数据出发,通过信息融合的方式将多个视角的特征数据进行特征级信息融合,从而用基于多视角特征数据信息融合的BPNN 模型来进行股票预测研究。基于中国股票市场A股的上海证券交易所浦发银行(股票代码为SH600000)的股票历史数据,经过开发的金融大数据基础数据处理平台的处理,得到多技术指标视角信息融合的特征数据,并进行确定该模型最优网络结构和股票预测的实证分析。结果表明,基于多视角信息融合特征数据的预测结果优于基于单视角特征数据的预测结果,也优于基于股票历史数据的BPNN模型的结果。

3.提出基于多视角特征数据集成学习的BPNN模型,并进行股票预测研究。同时还提出相应的集成学习算法——BagMVFD-BPNN算法。针对单视角特征数据的信息的不完整问题,从多视角特征数据出发,通过集成学习的方式,利用BagMVFD-BPNN算法,用基于多视角特征数据集成学习的BPNN模型来进行股票预测研究。基于中国股票市场A股的上海证券交易所浦发银行(股票代码为SH600000)的股票历史数据,经过开发的金融大数据基础数据处理平台的处理,得到多技术指标视角特征数据,并进行确定该模型最优网络结构和股票预测的实证分析。结果表明,基于多视角特征数据集成学习的预测结果优于基于单视角特征数据的预测结果,优于基于多视角信息融合特征数据

I

的预测结果,也优于基于股票历史数据的BPNN模型的结果。同时,还可知影响股票预测结果的各技术指标视角的重要度以及主要技术指标视角,即多视角特征数据的多视角特征选择,从而可为股民的股票投资提供主要技术指标视角的参考意见和预测结果参考意见,指导股民的股票投资。

关键词:多视角特征数据,股票预测,BP神经网络,信息融合,集成学习

II

相关主题
相关文档
最新文档