典型文献
基于分解-集成和混频数据采样的中国股票市场预测研究
文献摘要：
股票市场的准确预测对投资者和监管层而言都具有重要意义.在金融时间序列预测研究中分解-集成框架被广泛使用,然而以往研究中针对分解后的模态分量多数采用单一历史数据预测未来的思路,往往忽略了其他低频异质数据对分量的影响.本文融合了分解-集成与混频数据采样思想,提出 EEMD-Mixed Frequency CNN-BiLSTM-Attention/LSTM-LSTM(EE-MFCBA/L-L)股指收益率预测模型,通过EEMD将股指收益率分解为若干不同频率特征的分量,采用模糊熵算法识别分量频率特征,进而结合不同频率倍差的低频数据,使用MFCBA/L模型实现对模态分量的预测,最后采用LSTM模型非线性集成各分量的预测结果.实证结果表明,所提出的模型可以更好地适应收益率变化特征,与传统模型相比,所提模型在预测非平稳和非线性收益率序列方面具有显著优势,具有最低预测误差和最高的方向性预测准确率.
文献关键词：
股票指数;混频预测;集成学习;信号分解
中图分类号：
作者姓名：
陈凯杰;唐振鹏;吴俊传;杜晓旭;蔡毅
作者机构：
福州大学经济与管理学院,福州350108;福建农林大学经济管理学院,福州350002;南昌大学经济管理学院,南昌330031
文献出处：
引用格式：
[1]陈凯杰;唐振鹏;吴俊传;杜晓旭;蔡毅-.基于分解-集成和混频数据采样的中国股票市场预测研究)[J].系统工程理论与实践,2022(11):3105-3120
A类：
MFCBA
B类：
基于分解,混频数据,数据采样,中国股票市场,市场预测,预测研究,准确预测,投资者,金融时间序列预测,集成框架,模态分量,历史数据,数据预测,预测未来,质数,EEMD,Mixed,Frequency,BiLSTM,Attention,股指收益率,收益率预测,不同频率,频率特征,模糊熵,算法识别,模型实现,应收,传统模型,非平稳,显著优势,预测误差,方向性,预测准确率,股票指数,混频预测,集成学习,信号分解
AB值：
0.416048
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。
