换一批基于时频融合卷积神经网络的股票指数预测
Fusion of Time-frequency-based Convolutional Neural Network in Financial Time Series Forecasting
摘要传统的股票指数预测方法是在含噪声、非平稳以及非线性的原始股指序列数据上实施的,这将导致预测精度的下降.为了解决这个问题,提出了一种基于时频融合卷积神经网络的股指预测方法.首先通过引入变分模态分解(VMD)将原始序列数据分解到频域特征上,使得分解后的股指数据具有低信噪比,同时具有更明显的趋势性和平稳性.进一步结合时序卷积神经网络(TCN),构建了时频融合的卷积神经网络模型.最后在6个实际数据集上与8个基准方法进行比较,实验结果表明该方法具有更高的预测精度和更好的解释性.
更多相关知识
分类号
TP311
栏目名称
DOI
10.13705/j.issn.1671-6841.2021225
发布时间
2022-02-24（万方平台首次上网日期，不代表论文的发表时间）
基金项目
教育部人文社会科学研究项目（21YJCZH045）
中央高校基本科研业务专项资金项目（JBK2101001）
- 浏览2
- 被引8
- 下载3
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
