典型文献
基于时频融合卷积神经网络的股票指数预测
文献摘要：
传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降.为了解决这个问题,提出了一种基于时频融合卷积神经网络的股指预测方法.首先通过引入变分模态分解(VMD)将原始序列数据分解到频域特征上,使得分解后的股指数据具有低信噪比,同时具有更明显的趋势性和平稳性.进一步结合时序卷积神经网络(TCN),构建了时频融合的卷积神经网络模型.最后在6个实际数据集上与8个基准方法进行比较,实验结果表明该方法具有更高的预测精度和更好的解释性.
文献关键词：
股票指数预测;时频融合;变分模态分解;时序卷积网络
中图分类号：
作者姓名：
姜振宇;黄雁勇;李天瑞;蔡福旭
作者机构：
西南财经大学 统计学院 四川 成都 611130;西南交通大学 计算机与人工智能学院四川 成都 611756;莆田学院附属医院 福建 莆田 351100
文献出处：
引用格式：
[1]姜振宇;黄雁勇;李天瑞;蔡福旭-.基于时频融合卷积神经网络的股票指数预测)[J].郑州大学学报（理学版）,2022(02):81-88
A类：
时频融合,股票指数预测
B类：
融合卷积神经网络,非平稳,原始股,序列数据,股指预测,变分模态分解,VMD,数据分解,频域特征,低信噪比,趋势性,平稳性,时序卷积神经网络,TCN,卷积神经网络模型,实际数据,基准方法,解释性,时序卷积网络
AB值：
0.257798
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
