典型文献
基于神经网络集成学习算法的金融时间序列预测
文献摘要：
本文在传统神经网络(NN)、循环神经网络(RNN)、长短时记忆网络(LSTM)与门控循环单元(GRU)等神经网络时间预测模型基础上,进一步构建集成学习(EL)时间序列预测模型,研究神经网络类模型、集成学习模型和传统时间序列模型在股票指数预测上的表现.本文以16只A股和国际股票市场指数为样本,比较模型在不同预测期间和不同国家和地区股票市场上的表现.本文主要结论如下:第一,神经网络类时间序列预测模型和神经网络集成学习时间序列预测模型在表现上显著稳健优于传统金融时间序列预测模型,预测性能提高大约35％;第二,神经网络类模型和神经网络集成学习模型在中国和美国股票市场上的表现优于其他发达国家和地区的股票市场.
文献关键词：
神经网络;集成学习;金融时间序列;预测;机器学习
中图分类号：
作者姓名：
徐晓芳;管瑞
作者机构：
南开大学 金融学院, 天津 300350
文献出处：
引用格式：
[1]徐晓芳;管瑞-.基于神经网络集成学习算法的金融时间序列预测)[J].计算机系统应用,2022(06):29-37
A类：
股票指数预测
B类：
网络集成,集成学习算法,金融时间序列预测,循环神经网络,RNN,长短时记忆网络,门控循环单元,GRU,网络时间,时间预测模型,EL,时间序列预测模型,集成学习模型,传统时间,时间序列模型,股票市场,市场指数,比较模型,同国,学习时间,传统金融,预测性能,性能提高
AB值：
0.254526
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。
