一种改进的灰色模型在股票价格预测中的应用

灰色理论可以较好地对股票价格进行预测,而建立灰色预测模型的数据量和数据处理方法的选择是成功地进行股票价格灰色预测的两个关键问题。本文提出了基于黄金分割法改进的股票价格灰色预测GM(1,1)模型,并通过实例验证了该模型能显著地提高预测精度,具有较高的应用价值。     

一种改进的灰色模型宅殳票价格预测中的应月

灰色理论可以较好地对股票价格进行预测，而建立灰色预测模型的数据量和数据处理方法的选择是成功地进行股票价格灰色预测的两个关键问题。本文提出了基于黄金分割法改进的股票价格灰色预测GM（1，1）模型，并通过实例验证了该模型能显著地提高预测精度，具有较高的应用价值。     

基于改进灰色模型在电力负荷预测中的应用

在电力负荷预测中,灰色GM(1,1)模型比较有效,但在实践中由于电力负荷情况的复杂性和多样性,改模型还是存在一点的问题,比如,预测误差较大,精度不能满足要求.为满足电力事业的发展,对灰色GM(1,1)模型进行必要的改进,利用等维新信息递推模型进行负荷预测,通过实例分析表明,可提高预测的精度.     

灰色马尔科夫模型在短期电价预测中的应用

准确的电价预测可以为电力市场参与者进行电价交易时提供指导,便于其制定有效的交易策略,降低交易的不确定性造成的损失与风险。本文结合灰色预测理论与马尔科夫链预测理论,阐述了灰色马尔科夫预测模型的原理与建模方法,为短期电价预测提供了参考。     

基于黄金分割的股票灰色预测GM(1,1)模型

传统的GM(1,1)模型采用均值作为灰微分方程的背景值,与实际有距离,可以寻找端点的最优组合作为灰微分方程的背景值,以提高预测精度.基于这样的想法,提出了一种用黄金分割方法改进的GM(1,1)模型,实例分析证明了其有效性.     

基于黄金分割的股票灰色预测GM(1,1)模型

传统的GM(1,1)模型采用均值作为灰微分方程的背景值,与实际有距离,可以寻找端点的最优组合作为灰微分方程的背景值,以提高预测精度。基于这样的想法,提出了一种用黄金分割方法改进的GM(1,1)模型,实例分析证明了其有效性。     

时间序列模型在股票价格预测中的应用

本文旨在以时间序列模型为基础,选择紫金矿业日收盘价、万科A日收盘价为研究对象,对上证指数在2008年~2011年的672个日收盘价数据采用SPSS和Eviews两种软件进行研究分析。在此,本文采用时间序列分析中的一种常见的模型:ARIMA模型进行相关的分析和预测,并对未来10天的日收盘价做短期预测。通过研究分析可知计算所得的平均相对误差范围均达到要求,则采用ARIMA模型做股票价格预测是可行的。     

小生境遗传算法优化的神经网络在股票价格预测中的应用

股票价格是受多种不确定因素影响的非线性问题。文中将小生境遗传算法用于BP神经网络的训练过程,建立了相应的优化模型,即用它来优化神经网络的连接权。依据小生境遗传算法的神经网络,提出一种股票预测的新方法。实践表明:该方法具有预测精度高、误差小的优点,值得推广。     

灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

灰色预测在股票预测中的应用

对股票价格的预测,直接影响投资者的投资决策,与投资者的经济利益密切相关。股票市场特有的波动性和不确定性,给股票的预测带来困难。灰色预测法是一种对含有不确定因素的系统进行预测的方法。灰色系统是介于白色系统和黑色系统之间的一种系统,应用于股市预测的探索已经取得一定成就。     

灰色方法在工程预算预测中的应用

本文将灰色预测模型应用于工程预算预测,实践证明,这种预测方法灰色GM（1,1）预淤的优点是灰色系统则欲通过己知信息挖掘系统中隐含的未知信息解决问题,着重于“少数据建模”。这一应用拓广了灰色预测的应用范围。对工程预算的预测结果表明,该预测模型的预测精度是令人满意的。对项目成本预测提供了科学的依据。     

灰色改进GM(1,1)模型在保定市FDI预测分析中的应用

FDI即外商直接投资,以保定市2000-2006年FDI数据为基础,运用灰色系统理论,建立了常规GM(1,1)模型和改进的GM(1,1)模型。改进的GM(1,1)模型优于常规GM(1,1)模型,其精度更高。应用改进的GM(1,1)模型预测了保定市2007-2010年FDI,并分析了预测结果。结果符合保定市的实际情况。     

基于PCA-SVM组合模型的股票价格预测

股票市场是个非稳定的时间序列,本文将支持向量机与主成分分析(PCA-SVM)结合对股票进行回归预测分析,以奥特迅(002227)为对象进行建模和预测研究。选取奥特迅90天的股票技术指标历史数据作为训练样本对收盘价进行预测,10天数据进行检验,并通过图像拟合来验证神经网络股票预测的可行性和准确性。     

基于灰色预测的误差调整模型在保定市房价预测中的应用

除了各期房价历史数据,各对应期市场上其他因素(如地价、人均收入、居住指数、人口等)的变化,对房价的高低也有一定的影响。本文将灰色与多元预测模型相结合,从纵横两个方向对房价进行预测。即利用灰色模型进行基本预测的基础上,再对误差值利用多元模型进行调整,使预测结果精确度更高。     

基于改进灰色模型的物流成本预测研究

物流成本的正确预测有助于合理分配现有资源,提升物流成本效益。为了克服传统灰色模型预测精度低的缺陷,通过引入将阶跃函数改进传统灰色模型,提升灰色模型预测精度。利用历年我国物流总费用数据,对未来年物流成本和灰色预测模型的精度进行预测,将预测结果与简单平均法、移动平均法、指数平滑法和传统灰色模型进行比较,验证模型的合理性和有效性。     

灰色—马尔柯夫模型在云南烤烟产量预测中的应用

本文把灰色模型和马尔柯夫预测模型相结合，很好地提高了对烤烟产量的预测精度。     

基于小波神经网络的股票价格预测

股票价格是一个与政治,经济等多因素有关的非线性建模问题。本文利用小波神经网络在非线性建模中的收敛迅速等优越性,提出利用小波神经网络预测股票价格的方法。仿真表明该方法可行,预测精度高。     

灰色-马尔柯夫模型在云南烤烟产量预测中的应用

本文把灰色模型和马尔柯夫预测模型相结合,很好地提高了对烤烟产量的预测精度。     

基于ARIMA模型和神经网络模型的股票价格预测——以百联集团为例

本文将分别利用时间序列的ARIMA模型和神经网络,对国内零售业航母——百联集团旗下的友谊股份(600827.SH)和上海物贸(600822.SH)股票的价格进行预测,并将这两种预测方法进行对比,选择最优的方法进行预测。最后发现ARIMA模型和神经网络的模型预测效果都很好,但是神经网络相对更好。     

基于BP神经网络的股票价格预测研究

本文针对股票市场这一非线性系统,利用人工神经网络的方法来对股票进行时间序列预测。采用BP神经网络,将历史时间序列数据作为参考依据,预测未来短期内的股票价格;并在此基础上,与实际的股票价格进行对比分析,并得出结论。对于股票市场内的投资者具有一定的理论意义和实践价值。