杨乐,张瑞

(西北大学数学系,陕西 西安 710127)

基于在线序列ELM算法的高效股票预测

杨乐,张瑞

(西北大学数学系,陕西 西安 710127)

传统的股票预测方法通常采用前一段时间的股票价格预测后一段时间的股票价格.本文提出了一种仅用前一天的股票数据预测后一段时间的股票数据的新方法,先对股市收集到的原始数据进行错位排序,然后采用在线序列ELM算法进行预测.预测结果显示,这样不仅预测精度高,而且速度也很快.

在线序列ELM算法;错位排序;最小二乘法;股票预测

1 引言

随着股票市场的发展,各种各样的股票预测方法不断产生,常见的有ARIMA模型,灰色理论,支持向量回归机,马尔科夫预测方法[1]等.这些预测方法在一定程度上揭示了股市的某种运行规律,但是股票市场内部结构的复杂性和外部因素的多变性又直接会影响股市预测的准确性.有效的预测,关键在于发现正确的规律.从数学角度看,就是找到股票数据之间的某种映射(函数)关系.由于神经网络具有可逼近任意非线性连续函数的学习能力,因而运用神经网络进行股票预测已成为近几年来的研究热点.

目前,大多数股票预测方法都是基于BP(back-propagation)神经网络而提出的[27],但由于BP网络在训练过程中需要对网络的权值和阈值进行修正,不仅非常耗时,而且极易陷入局部极小.所以针对股票市场这样一个实时性较强的场合,BP网络的应用势必受到限制.不同于传统的神经网络理论,文……