典型文献
利用Bagging算法和GRU模型预测股票价格指数
文献摘要：
股价预测对监管部门了解金融市场运行状况和投资者规避股市的高风险具有重要意义.提出了一种基于门控循环(gated recurrent unit,GRU)神经网络和装袋(Bagging)的方法,并将其应用于股指的预测研究.该模型通过Bagging方法处理训练数据集,在模型构建过程中引入随机性,并结合GRU模型预测股价,最终能够降低预测误差,提高预测准确性.通过4个数据集实验结果的对比发现:(1)GRU模型能够较好地预测股指数据,与另外两种单个模型相比,多数情况下具有更小的预测误差;(2)引入Bagging方法的GRU模型具有较强的预测能力,相比于三种基准模型(GRU、ELM、BP)有更小的预测误差和更高的预测稳定度.
文献关键词：
机器学习;Bagging方法;Bagging和GRU预测模型
中图分类号：
作者姓名：
牛红丽;赵亚枝
作者机构：
北京科技大学 经济管理学院,北京 100083
文献出处：
引用格式：
[1]牛红丽;赵亚枝-.利用Bagging算法和GRU模型预测股票价格指数)[J].计算机工程与应用,2022(12):132-138
A类：
B类：
Bagging,GRU,股票价格指数,股价预测,监管部门,金融市场,市场运行,运行状况,投资者,股市,门控,gated,recurrent,unit,装袋,股指,预测研究,训练数据集,构建过程,随机性,终能,预测误差,预测准确性,预测能力,ELM,稳定度
AB值：
0.407802
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。
