标题
  • 标题
  • 作者
  • 关键词
登 录
当前IP:忘记密码?
年份
2024(6036)
2023(8939)
2022(7671)
2021(7330)
2020(6296)
2019(14747)
2018(14600)
2017(28850)
2016(15159)
2015(17081)
2014(16600)
2013(15840)
2012(13985)
2011(12173)
2010(11891)
2009(10618)
2008(10008)
2007(8211)
2006(6716)
2005(5480)
作者
(39185)
(32762)
(32662)
(30899)
(20944)
(15652)
(14881)
(12907)
(12402)
(11433)
(11209)
(10888)
(10195)
(10149)
(10091)
(9911)
(9773)
(9578)
(9472)
(9441)
(7931)
(7859)
(7796)
(7587)
(7379)
(7342)
(7026)
(6989)
(6531)
(6439)
学科
(61318)
经济(61259)
管理(46525)
(45805)
(40417)
企业(40417)
方法(36269)
数学(33082)
数学方法(32478)
(16958)
(13812)
业经(12797)
中国(12718)
(12669)
财务(12615)
财务管理(12593)
企业财务(12063)
理论(10825)
(10353)
贸易(10348)
技术(10162)
(10117)
(9814)
地方(9237)
农业(9139)
(9124)
(8810)
(8129)
环境(7955)
(7213)
机构
学院(203915)
大学(202675)
管理(88181)
(82553)
经济(81087)
理学(78305)
理学院(77605)
管理学(75948)
管理学院(75570)
研究(56153)
中国(41874)
(39784)
(37039)
科学(33668)
财经(31215)
业大(29017)
(28765)
中心(28073)
(27248)
(26779)
经济学(25343)
(25248)
(23960)
财经大学(23959)
北京(23857)
师范(23704)
商学(23237)
研究所(23160)
经济学院(23104)
经济管理(23098)
基金
项目(148762)
科学(120300)
基金(111671)
研究(107464)
(96454)
国家(95740)
科学基金(85693)
社会(69602)
社会科(66212)
社会科学(66194)
基金项目(59382)
(57803)
自然(57653)
自然科(56507)
自然科学(56498)
自然科学基金(55505)
教育(51910)
(48596)
资助(46207)
编号(43365)
(33503)
重点(32951)
(32485)
成果(32454)
(30314)
创新(30199)
教育部(29760)
科研(29193)
国家社会(29123)
人文(29108)
期刊
(76446)
经济(76446)
研究(50273)
管理(32463)
中国(31720)
(30219)
学报(27400)
科学(26684)
(22439)
大学(22238)
技术(21395)
学学(21114)
教育(20214)
农业(15615)
(15081)
金融(15081)
财经(15045)
业经(13235)
经济研究(13017)
(12812)
统计(11891)
(11019)
技术经济(10732)
财会(10014)
问题(9955)
决策(9780)
理论(9600)
商业(9259)
科技(9116)
图书(8924)
共检索到268760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] 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。
[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。
[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] 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。
[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] 崔建福,李兴绪  
[期刊] 技术经济与管理研究  [作者] 李焕荣  李瑛  
[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。
[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] 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] 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。
[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
[期刊] 山西财经大学学报  [作者] 王成军  左新慧  
根据BP神经网络原理,以建筑特征参数为输入变量,利用实际资料对网络进行训练和模拟,收集了16个住宅工程,其中的14个作为训练样本,2个作为检测实例。结果显示,该模型在建筑工程造价预测中具有有效性。
[期刊] 统计与决策  [作者] 吴晓峰  杨颖梅  陈垚彤  
文章根据ARIMA时间序列模型和BP神经网络模型分别在处理线性空间预测问题和非线性空间预过测对问北题京中市的居优民势消,费建价立格了指一数种(C基PI于)B序P列神的经实网证络分误析差证校明正了的该差组分合自预回测归模移型动相平对均(于A单RI一MA预)测组模合型预在测C模PI型预,通测中的有效性,并利用该模型预测了未来一段时间北京市CPI的走势。
[期刊] 统计与决策  [作者] 王鑫  肖枝洪  
文章将干预模型与BP神经网络模型相结合,提出了基于干预模型与BP神经网络集成的GDP时间序列预测模型,并实现了算法。利用我国1978~2004年的GDP数据建立多干预变量集成预测模型,对我国2005~2009年的GDP数据进行预测,并将预测值与其他文献所建模型的预测值进行比较,预测误差明显减少,证实了所建立模型处理外部事件(如宏观经济因素、政治因素等)的有效性。
文献操作() 导出元数据 文献计量分析
导出文件格式:WXtxt
作者:
删除