作者：李缃珍股票趋势短期预测离散分类模型增强学习
摘要：股票市场短期趋势预测对政府实施有效市场监管和投资者优化资源配置具有重要意义,近年来成为学界业界的研究热点。针对股票市场短期趋势非线性和非平稳的特点,对股票历史数据进行离散化处理并基于核密度方法实现非参数的类概率估计,在此基础上运用增强学习模型实现股票市场的短期趋势预测。以国药一致和伊利股份2019年1/2季度的股票价格进行实证研究,将所提出的离散分类预测模型与三种股票市场短期趋势预测模型(线性回归模型、支持向量回归模型及BP神经网络预测模型)进行比较,结果表明,所提出的离散分类预测模型对股价短期趋势的预测效果更好且更加稳定。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
