典型文献
基于分层动态贝叶斯网络的股市趋势扰动推理算法
文献摘要：
当前研究者主要通过对历史交易数据的学习生成预测模型,由于影响市场的因素动态可变,因此训练好的模型在实际应用中预测效果远不及预期.针对现有预测模型适应力较弱的问题,文中提出基于分层动态贝叶斯网络的股市趋势扰动推理算法,对股市趋势进行实时预测.首先,针对稳定性较高的均线数据,通过马尔可夫毯对均线特征进行融合,提取为均线能量,得到均线的量化特征.由于多根均线之间存在结构关系,这种结构关系具有较强的抗噪能力和稳定性,因此利用分层动态贝叶斯网络对单根均线内部结构和多均线之间结构关系进行建模.然后,对顶层网络中多结点状态进行扰动,通过动态灵敏性分析实时计算结点状态变化对于股市趋势影响力.最后,基于灵敏分析的结果,利用联合树对股市趋势进行动态推理.在实际数据上的实验证明文中算法的有效性.
文献关键词：
动态贝叶斯网络;灵敏性分析;联合树;马尔可夫毯;股市趋势预测
中图分类号：
作者姓名：
姚宏亮;贾虹宇;杨静;俞奎
作者机构：
合肥工业大学 计算机与信息学院 合肥230601
文献出处：
引用格式：
[1]姚宏亮;贾虹宇;杨静;俞奎-.基于分层动态贝叶斯网络的股市趋势扰动推理算法)[J].模式识别与人工智能,2022(04):363-373
A类：
马尔可夫毯,股市趋势预测
B类：
动态贝叶斯网络,理算,交易数据,练好,适应力,实时预测,均线,线特征,线能量,量化特征,多根,结构关系,单根,对顶,多结,结点,点状,灵敏性分析,实时计算,状态变化,联合树,实际数据,明文
AB值：
0.245834
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。
