基于隐马尔可夫模型的股票价格预测组合模型--《计算机工程与设计》2009年21期

来源:百度文库 编辑:神马文学网 时间:2024/04/27 16:55:40
《计算机工程与设计》 2009年21期
加入收藏获取最新
基于隐马尔可夫模型的股票价格预测组合模型
朱嘉瑜  叶海燕  高鹰
【摘要】:提出了一种用于股票价格预测的人工神经网络(ANN),隐马尔可夫模型(HMM)和粒子群优化算法(PSO)的组合模型-APHMM模型。在APHMM模型中,ANN算法将股票的每日开盘价、最高价、最低价与收盘价转换为相互独立的量并作为HMM的输入。然后,利用PSO算法对HMM的参数初始值进行优化,并用Baum-Welch算法进行参数训练。经过训练后的HMM在历史数据中找出一组与今天股票的上述4个指标模式最相似数据,加权平均计算每个数据与它后一天的收盘价格差,则今天的股票收盘价加上这个加权平均价格差便为预测的股票收盘价。实验结果表明,APHMM模型具有良好的预测性能。
【作者单位】:广州大学数学与信息科学学院;广东商学院华商学院会计系;广州大学计算机科学与教育软件学院;
【关键词】:股票价格预测隐马尔可夫模型优化粒子群优化算法人工神经网络组合模型股票收盘价加权平均相互独立收盘价格价格差
【分类号】:F830.91;F224
【DOI】:CNKI:SUN:SJSJ.0.2009-21-044
【正文快照】:0引言Hassan和Nath[1]在2005年提出了一种使用隐马尔科夫模型预测股票价格的方法,在这篇文章中,Hassan和Nath通过实验说明了隐马尔科夫模型的预测性能与ANN算法的预测性能相近。由于隐马尔科夫模型的传统训练方法有易于陷入局部极值的缺点,而与其它的智能优化算法相比,粒子群