共查询到20条相似文献,搜索用时 0 毫秒
1.
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。 相似文献
2.
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。 相似文献
3.
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. 相似文献
4.
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。 相似文献
5.
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. 相似文献
6.
7.
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。 相似文献
8.
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。 相似文献
9.
10.
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。 相似文献
11.
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。 相似文献
12.
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。 相似文献
13.
14.
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。 相似文献
15.
16.
17.
基于小波神经网络的股票价格预测 总被引:1,自引:1,他引:0
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。 相似文献
18.
19.
《现代营销(创富信息版)》2014,(4):96-97
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。 相似文献
20.
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。 相似文献