首 页    学报简介    作者投稿    专家审稿    编辑办公    读者须知    联系我们
 
基于概率后缀树的股票时间序列预测方法研究
Research of Stock Time Series Based on probabilistic Suffix Tree
摘要点击 251  全文点击 97  投稿时间:2017-07-08  修订日期:2017-08-20
查看全文  查看/发表评论  下载PDF阅读器
DOI编号   
中文关键词   股票数据挖掘,时间序列符号化,高斯混合模型聚类,概率后缀树
英文关键词   stock data mining, time series symbolization, Gaussian Mixture Modeling, , Probabilistic Suffix Tree
基金项目   国家自然科学基金 61173099
作者单位E-mail
程小林 四川大学 1184177375@qq.com 
郑兴 四川大学  
李旭伟 四川大学 lixuwei@scu.edu.cn 
中文摘要
    本文在时间序列符号化基础上,引入概率后缀树(Probabilistic Suffix Tree,PST)模型,构建基于时间序列符号化和概率后缀树相结合的股票预测模型。本文选择在沪深300的10股票数据上将预测模型与传统的马尔科夫模型(Markov Model,MM)和自回归移动平均模型(Auto Regressive Moving Average Model,ARMA)进行对比,结果显示本文提出的股票预测模型优于MM模型和ARMA模型,验证了本文所提出的预测模型在投资收益上的有效性。
英文摘要
    this paper introduces a Probabilistic Suffix Tree (PST) method based on the time series symbolization, and constructs a stock forecasting model based on the combination of time series symbolizationa and PST. In addition, the Markov Model MM and the Auto Regressive Moving Average Model (ARMA) are compared with the forecasting model of this paper.The stock of 10 CSI 300 indices is used as the experimental sample. The results show that the stock forecasting model proposed in this paper is better than the MM model and the ARMA model,and proves the validity of the forecasting model proposed in this paper.

您是第 2737982 位访问者

版权所有 @ 2007《四川大学学报 (自然科学版)》编辑部
地址: 四川省成都市武侯区四川大学望江校区文科楼330至342室  邮编: 610064
电话: (028)85410393  传真: (028)85410393  E-mail: scdx@scu.edu.cn
本系统由北京勤云科技发展有限公司设计