- 年份
- 2024(6990)
- 2023(10235)
- 2022(8871)
- 2021(8471)
- 2020(7348)
- 2019(17228)
- 2018(17034)
- 2017(33384)
- 2016(17498)
- 2015(19581)
- 2014(19133)
- 2013(18445)
- 2012(16505)
- 2011(14354)
- 2010(14136)
- 2009(12935)
- 2008(12446)
- 2007(10356)
- 2006(8675)
- 2005(7363)
- 学科
- 济(72628)
- 经济(72550)
- 管理(56039)
- 业(54907)
- 企(48646)
- 企业(48646)
- 方法(41818)
- 数学(37758)
- 数学方法(37113)
- 财(20972)
- 农(16082)
- 务(15749)
- 财务(15693)
- 财务管理(15670)
- 企业财务(15074)
- 中国(14858)
- 业经(14857)
- 理论(12611)
- 贸(12037)
- 贸易(12031)
- 制(11785)
- 易(11731)
- 技术(11488)
- 学(10894)
- 农业(10719)
- 地方(10352)
- 和(10147)
- 划(9791)
- 融(9348)
- 金融(9346)
- 机构
- 大学(240900)
- 学院(240057)
- 管理(104206)
- 济(99345)
- 经济(97596)
- 理学(92402)
- 理学院(91564)
- 管理学(89639)
- 管理学院(89193)
- 研究(67604)
- 中国(51556)
- 京(47566)
- 财(45674)
- 科学(39223)
- 财经(38185)
- 经(35094)
- 中心(33523)
- 业大(33248)
- 江(32185)
- 农(31232)
- 所(30827)
- 经济学(30055)
- 财经大学(29153)
- 北京(28966)
- 商学(28200)
- 范(28140)
- 研究所(28043)
- 商学院(27957)
- 师范(27843)
- 经济学院(27332)
- 基金
- 项目(171029)
- 科学(138601)
- 基金(129644)
- 研究(123019)
- 家(111879)
- 国家(111010)
- 科学基金(99364)
- 社会(80323)
- 社会科(76415)
- 社会科学(76393)
- 基金项目(68855)
- 自然(67094)
- 自然科(65783)
- 自然科学(65773)
- 省(65110)
- 自然科学基金(64651)
- 教育(59378)
- 划(55152)
- 资助(53926)
- 编号(49293)
- 部(39007)
- 重点(37476)
- 成果(37407)
- 创(36833)
- 教育部(34798)
- 创新(34218)
- 发(34045)
- 人文(34008)
- 国家社会(33594)
- 科研(33466)
共检索到325650条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 商业研究
[作者]
方勇 孙绍荣
在运用神经网络模型对股票价格进行短期预测时,一般的神经网络预测模型都是以价格的时间序列滞后作为输入变量,但是由于影响价格的因素错综复杂,很多因素无法准确测量,而且市场信息的噪音太大,因此预测效果往往不太理想,于是如何选择有效的输入变量就成为一个困扰这项研究的难题。
[期刊] 南方金融
[作者]
彭望蜀
本文在阐述创新型预测模型理论的基础上,分别利用基于BP神经网络和支持向量机的股票指数预测模型,在小样本的情况下对沪深300指数进行了研究和短期预测。研究结果表明,基于支持向量机的预测模型在预测精度、收敛时间、最优性等方面均优于基于BP神经网络的预测模型。
[期刊] 统计与决策
[作者]
郝勇 刘继洲
本文运用BP人工神经网络,在MATLAB平台上,进行公用事业指数波动规律的预测和分析,能利用公用事业指数前三天的收盘价,预测第四天的收盘价,并且预测值达到一定精度。
关键词：
分类指数 神经网络 MATLAB 预测
[期刊] 统计研究
[作者]
杨青 王晨蔚
作为深度学习技术的经典模型之一,长短期记忆(LSTM)神经网络在挖掘序列数据长期依赖关系中极具优势。基于深度神经网络优化技术,本文构造了一个深层LSTM神经网络并将其应用于全球30个股票指数三种不同期限的预测研究,结果发现:①LSTM神经网络具有很强的泛化能力,对全部指数不同期限的预测效果均很稳定;②相比三种对照模型(SVR、MLP和ARIMA),LSTM神经网络具有优秀的预测精度,其对全部指数的平均预测精度在不同期限上均有提升;③LSTM神经网络能够有效控制误差波动,相比三种对照模型,其对全部指数的平均预测稳定度在不同期限上亦均有提高。鉴于LSTM神经网络在预测精度和稳定度两方面的优势,其未来在金融预测等方向将有广阔的应用前景。
关键词：
LSTM神经网络 深度学习 股票指数预测
[期刊] 统计与决策
[作者]
于卓熙 秦璐 赵志文 温馨
广义回归神经网络能够大大降低人为因素带来的误差,具有更加精准的预测效果。针对股票价格数据的非线性、非平稳性问题,文章运用主成分分析法对影响股票价格的指标进行降维,基于广义回归神经网络模型对股票价格进行预测研究。并将模型预测结果与股票价格的ARIMA建模预测结果进行对比,以均方误差和平均绝对误差百分比作为评价指标。对比结果表明,在价格预测方面,基于广义回归神经网络的预测模型要优于ARIMA模型,可以获得更准确的结果。
[期刊] 华东经济管理
[作者]
张立军 苑迪
文章针对股价预测问题的复杂性、不确定性、时变性及动态性等特性,利用Elman神经网络具有记忆性的优点,采用遗传算法训练优化Elman神经网络的初始权值,提出了高效的GA-Elman动态回归神经网络股价预测模型。实验模拟结果表明:该模型快速稳定且具有较高的精度,将其用于股票价格预测可行且有效。该模型的提出也为股票价格预测提供了一种新的技术和方法。
关键词：
遗传算法 Elman神经网络 股价预测
[期刊] 商业研究
[作者]
马明 李松
为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。
[期刊] 运筹与管理
[作者]
乔若羽
针对股票市场的特征提取困难、预测精度较低等问题,本文基于深度学习算法,构建了一系列用于股票市场预测的神经网络模型,包括基于多层感知机(MLP)、卷积神经网络(CNN)、递归神经网络(RNN)、长短期记忆网络(LSTM)和门控神经单元(GRU)的模型。针对RNN、LSTM和GRU无法充分利用所参考的时间维度的信息,引入注意力机制(Attention Mechanism)给各时间维度的信息赋予不同权重,区分不同信息对预测的重要程度,从而提升递归网络模型的性能。上述模型均基于股票数据进行了优化,基于上证指数对各类模型进行了充分的对比实验,探索了模型中重要变量对性能的影响,旨在为基于神经网络的股票预测模型给出具体的优化方向。
关键词：
股票预测 深度学习 神经网络 注意力机制
[期刊] 统计与决策
[作者]
薛佳佳
针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,文章提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。将该预测模型运用于股票指数预测,实证结果表明:该模型预测精度高,平均预测误差为0.52%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的使用价值。
[期刊] 物流技术
[作者]
杨祺煊 王敏
围绕供需两方面分析了区域经济指标与区域物流量的关系，建立了基于广义回归神经网络的预测模型，算例表明，该模型较传统预测模型在预测精度和可靠性方面有较大优势。
[期刊] 统计与决策
[作者]
周慧 王晓光
文章根据组合预测的理论和神经网络的非线性性和良好的函数逼近特性,提出了基于人工神经网络的灰色幂模型、多项式回归模型的中国火灾组合预测模型。此模型综合了各单一模型的有效信息,同时也融合了人工神经网络在不确定因素预测领域的优势,能够比较客观地反映火灾的发展趋势,为中国火灾预测提供合理的依据。
[期刊] 统计与决策
[作者]
蒋惠凤 何有世 张兵
本文研究了用逐步回归、岭回归和偏最小二乘回归方法消除变量间的多重共线性,最后得到三个回归模型。单一预测方法的结果时好时坏,需要通过组合预测来提高预测精度。本文将神经网络技术与回归模型相结合,将预测值作为输入,实际用电量值作为输出,确定神经网络的拓扑结构,最后用训练好的BP神经网络预测江苏省全社会用电量。结果显示,组合预测的精度明显高于单个模型。
关键词：
多重共线性 BP神经网络 组合预测模型
[期刊] 华东经济管理
[作者]
阮素梅 于宁
证券投资基金收益往往具有更高的峰度与更大的偏度,建立在古典假定基础上的均值回归分析难以给出准确预测结果。考虑到证券投资基金收益中的高峰、非对称等典型特征与各因素对收益序列的非线性影响模式,建立神经网络分位数回归模型,一方面,可以通过分位数回归功能,揭示各因素对证券投资收益整个条件分布的影响规律;另一方面,可以通过神经网络结构,模拟金融系统中的非线性关系。在神经网络分位数回归模型基础上,对证券投资基金收益整个条件密度函数进行预测,提供比点预测更多的有用信息,便于进行科学决策。
[期刊] 统计与决策
[作者]
肖冬荣 杨子天
文章将粒子群优化算法用于神经网络预测模型的学习训练,并且将这种方法用于股票预测中。实验结果表明,基于粒子群训练的神经网络学习算法更易于实现,且准确率较高。
关键词：
粒子群优化算法 神经网络 股票预测
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
