典型文献
结合缠论和深度学习的股价拐点预测研究
文献摘要：
针对股市存在伪分型且分型数据集的类别样本不平衡问题,提出了一种结合缠论和深度学习的拐点预测方法(SMOTE-FLCN-WSVM).在缠论的基础上,对数据集进行拐点的标注.深度学习模型从数据、特征以及分类算法三个层面对不平衡问题进行改进.首先采用SMOTE过采样算法对数据集进行预处理;再针对不平衡数据集特征提取困难的问题,使用引入Focal Loss的卷积神经网络挖掘数据的深层特征;然后利用引入类别权重参数的支持向量机对提取的特征进行分类.实验从实用性与有效性出发,选择绝对收益、相对收益与准确率对模型进行对比实验与收益评估.实验结果表明,所提模型具有可行性与实际应用价值.
文献关键词：
缠论;合成少数类过采样技术(SMOTE);焦点损失函数;卷积神经网络(CNN);加权支持向量机(WSVM)
中图分类号：
作者姓名：
田红丽;杨莹莹;闫会强
作者机构：
河北工业大学 人工智能与数据科学学院,天津 300401;河北工业大学 经济管理学院,天津 300401
文献出处：
引用格式：
[1]田红丽;杨莹莹;闫会强-.结合缠论和深度学习的股价拐点预测研究)[J].计算机工程与应用,2022(16):319-325
A类：
缠论,WSVM
B类：
股价,拐点预测,预测研究,股市,别样,样本不平衡,不平衡问题,SMOTE,FLCN,深度学习模型,分类算法,采样算法,不平衡数据集,数据集特征,Focal,Loss,网络挖掘,深层特征,类别权重,收益评估,合成少数类过采样技术,焦点损失函数
AB值：
0.300296
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。
