首页|基于信噪比的KPCA-SVM-KNN算法的股价预测研究

基于信噪比的KPCA-SVM-KNN算法的股价预测研究

扫码查看
原文链接
  • 万方数据
  • 维普
为了降低股价趋势中所含的噪声信息和输入变量的相关性对股价预测的影响,构造信噪比(SNR)特征向量,从而提出基于信噪比的KPCA-SVM-KNN的股价预测模型,并借用国内A股市场的股票价格相关数据进行实证分析,结果表明:1)SNR特征向量的加入可以提高股票分类准确率,进而增加股价预测精度;2)与现有的SVM-KNN算法相比,所提出的KPCA-SVM-KNN算法可以提高股价预测准确度,减少预测误差,从而为决策者的投资决策提供帮助.
Research on Stock Price Prediction of KPCA-SVM-KNN Algorithm Based on Signal-to-noise Ratio

王冰玉、刘勇军

展开 >

华南理工大学工商管理学院 广州 510640

核主成分分析 支持向量机 K邻近算法 信噪比 股票价格

国家自然科学基金广东省自然科学基金-杰出青年项目中央高校基本科研业务费专项重点项目

719710862019B1515020372019ZD13

2022

10.3969/j.issn.1672-9722.2022.04.001

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(4)
  • 1
  • 4