- 年份
- 2024(6112)
- 2023(9063)
- 2022(7783)
- 2021(7457)
- 2020(6414)
- 2019(15005)
- 2018(14852)
- 2017(29293)
- 2016(15432)
- 2015(17407)
- 2014(16935)
- 2013(16216)
- 2012(14343)
- 2011(12543)
- 2010(12152)
- 2009(10891)
- 2008(10287)
- 2007(8460)
- 2006(6964)
- 2005(5678)
- 学科
- 济(62354)
- 经济(62294)
- 管理(46976)
- 业(46151)
- 企(40698)
- 企业(40698)
- 方法(36901)
- 数学(33627)
- 数学方法(33013)
- 财(17146)
- 农(14075)
- 中国(12962)
- 业经(12950)
- 务(12773)
- 财务(12719)
- 财务管理(12696)
- 企业财务(12164)
- 理论(11003)
- 贸(10470)
- 贸易(10465)
- 易(10229)
- 技术(10228)
- 制(9939)
- 学(9540)
- 地方(9342)
- 农业(9231)
- 和(9009)
- 划(8198)
- 环境(8081)
- 融(7383)
- 机构
- 学院(207413)
- 大学(206465)
- 管理(89525)
- 济(83826)
- 经济(82328)
- 理学(79381)
- 理学院(78664)
- 管理学(76955)
- 管理学院(76572)
- 研究(57700)
- 中国(43287)
- 京(40804)
- 财(37744)
- 科学(34665)
- 财经(31782)
- 业大(29651)
- 经(29267)
- 中心(29139)
- 江(27789)
- 农(27464)
- 所(26020)
- 经济学(25702)
- 北京(24574)
- 范(24433)
- 财经大学(24402)
- 师范(24173)
- 研究所(23871)
- 商学(23499)
- 经济学院(23428)
- 经济管理(23406)
- 基金
- 项目(151129)
- 科学(122150)
- 基金(113431)
- 研究(109018)
- 家(98128)
- 国家(97399)
- 科学基金(87037)
- 社会(70547)
- 社会科(67107)
- 社会科学(67088)
- 基金项目(60228)
- 省(58612)
- 自然(58589)
- 自然科(57412)
- 自然科学(57403)
- 自然科学基金(56392)
- 教育(52636)
- 划(49364)
- 资助(47036)
- 编号(43975)
- 部(34042)
- 重点(33584)
- 成果(33014)
- 创(32923)
- 发(30784)
- 创新(30623)
- 教育部(30199)
- 科研(29684)
- 国家社会(29558)
- 人文(29473)
共检索到275136条记录
相关度优先
- 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] 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] 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] 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] 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] 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
[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] 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] 统计与决策
[作者]
张帆
文章对选取沪深300指数收盘价序列进行了正态性检验和Hurst指数的计算,得出价格序列的非正态和长记忆性特征。随后选择了适当的结构建立Elman神经网络模型,结合技术分析中的K线图理论,对沪深300指数隔夜开盘价进行了预测。经过求解和趋势检验,以及与相同输入输出结构线性模型的比较,发现该模型取得了良好的预测效果。
[期刊] 统计与决策
[作者]
崔建福,李兴绪
[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] 管理评论
[作者]
崔笑宁 苏丹华 尚维
本文针对互联网财经新闻中对于股票市场涨跌的舆论观点，进行文本分析和建模，建立了股票市场领域情感词典，用于对互联网财经新闻文本数据进行积极、消极与中立情绪的情感分析。在情感分析过程中考虑否定副词和转义词，随后建立情感特征并采用时间卷积长短时记忆神经网络对沪深300股票指数进行预测。本文利用Word2Vec方法对大量互联网财经新闻进行训练，以半监督的方式构建互联网新闻语境股票市场领域中文情感词典，该词典能够有效地对股票市场相关新闻中所蕴含的股市涨跌观点和情绪进行识别。为充分利用文本和时序特征，本研究提出了时间卷积与长短时记忆网络相结合的模型TCN-LSTM。经过实证分析对比发现，TCN-LSTM模型的方向预测和短期数值预测效果优于其他深度学习模型。本研究提出了面向特定舆情主题的情感词典构建方法，建立了用于股市预测的互联网新闻情感词典。同时，也发展了利用深度学习方法进行金融时间序列预测的新方法。时间卷积和长短时记忆机制的集成解决了特征提取时局部和长期的权衡问题，对深度学习在金融预测领域应用效果的提高有较为重要的意义。
[期刊] 统计与决策
[作者]
魏文轩
在研究神经网络算法和主成分分析理论的基础上,针对股票市场的高度非线性特征,结合主成分分析预处理方法,对原始交易数据进行降维,减少数据规模,提出一种改进的RBF神经网络模型对股票市场进行预测。通过实验对比表明,文章提出的模型具有收敛速度快、预测准确度高等特点,应用前景较好。
[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] 财经理论与实践
[作者]
高振坤 熊正德
通过建立BP神经网络预测模型和GARCH -BP神经网络预测模型 ,对 2 0 0 1年深圳成分指数的日收盘价进行预测分析发现 ,GARCH -BP模型较BP模型的收敛速度快 ,学习能力强 ,预测精度较高 ,误差率较小
0
文献操作(0)
导出元数据
文献计量分析
导出文件格式：WXtxt
