典型文献
引入投资者关注度的股指收益率预测研究——基于差分进化算法极限学习机模型
文献摘要：
投资者关注在股市中的作用是近年来研究的热门问题之一.文章创新性地将百度指数作为中国市场投资者关注度指标加入以差分进化算法优化的极限学习机(DE-ELM)中,研究百度指数对中国股票指数的预测能力.实证结果显示,差分进化算法极限学习机(DE-ELM)模型的预测能力较传统计量模型ARIMA模型和传统神经网络模型BP神经网络模型显著提高,且加入百度指数能够提升DE-ELM模型对股指收益率的预测精度,其中以加入"牛市"、"熊市"和"金融危机"3个百度指数的差分进化算法极限学习机(DE-ELM)预测精度最高,结果最稳定.
文献关键词：
百度指数;投资者关注度;差分进化算法极限学习机
中图分类号：
作者姓名：
唐旻;黄志刚
作者机构：
福州大学经济与管理学院,福州350108;福建省金融科技创新重点实验室,福州350108
文献出处：
引用格式：
[1]唐旻;黄志刚-.引入投资者关注度的股指收益率预测研究——基于差分进化算法极限学习机模型)[J].系统科学与数学,2022(06):1503-1518
A类：
差分进化算法极限学习机
B类：
投资者关注度,股指收益率,收益率预测,预测研究,极限学习机模型,股市,百度指数,中国市场,算法优化,DE,ELM,指数对,股票指数,预测能力,统计量,计量模型,ARIMA,牛市,熊市,金融危机
AB值：
0.194217
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。
