典型文献
基于信噪比的KPCA-SVM-KNN算法的股价预测研究
文献摘要：
为了降低股价趋势中所含的噪声信息和输入变量的相关性对股价预测的影响,构造信噪比(SNR)特征向量,从而提出基于信噪比的KPCA-SVM-KNN的股价预测模型,并借用国内A股市场的股票价格相关数据进行实证分析,结果表明:1)SNR特征向量的加入可以提高股票分类准确率,进而增加股价预测精度;2)与现有的SVM-KNN算法相比,所提出的KPCA-SVM-KNN算法可以提高股价预测准确度,减少预测误差,从而为决策者的投资决策提供帮助.
文献关键词：
核主成分分析;支持向量机;K邻近算法;信噪比;股票价格
中图分类号：
作者姓名：
王冰玉;刘勇军
作者机构：
华南理工大学工商管理学院 广州 510640
文献出处：
引用格式：
[1]王冰玉;刘勇军-.基于信噪比的KPCA-SVM-KNN算法的股价预测研究)[J].计算机与数字工程,2022(04):685-690
A类：
B类：
KPCA,KNN,股价预测,预测研究,所含,声信,SNR,特征向量,借用,股市,股票价格,分类准确率,预测准确度,预测误差,决策者,投资决策,核主成分分析
AB值：
0.266901
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。
