TY -非盟的曹Hongduo AU -林,天天AU -李,应非盟-张,韩愈PY - 2019 DA - 2019/05/28 TI -股票价格模式预测基于复杂网络和机器学习SP - 4132485六世- 2019 AB -复杂网络在股票市场和股票价格波动模式预测股票价格研究的重要问题。之前的研究使用历史信息关于单个股票预测股票价格的未来趋势,很少考虑comovement在相同的股票市场。在这项研究中,为了提取信息与股票预测,我们试图把复杂网络方法和机器学习来预测股票价格模式。首先,我们提出一种新的模式网络建设多元股票时间序列的方法。价格波动组合模式的标准普尔500指数(S&P 500),纳斯达克综合指数(NASDAQ),道琼斯工业平均指数)转换为直接加权网络。发现网络拓扑特征,如平均度中心,平均强度、平均最短路径长度、和亲密感中心,可以确定股票市场剧烈波动的时期。接下来,每个组合符号模式的拓扑特征变量作为输入变量用于再邻居(资讯)和支持向量机(SVM)算法来预测第二天单个股票的波动模式。结果表明,最优模型对应于两种算法通过交叉验证和搜索方法,可以找到。三大股指的预测准确率与测试数据集大于70%。在一般情况下,支持向量机算法的预测能力优于资讯算法。 SN - 1076-2787 UR - https://doi.org/10.1155/2019/4132485 DO - 10.1155/2019/4132485 JF - Complexity PB - Hindawi KW - ER -