丹·景培;郭文波;史伟仁;方、斌;张婷萍 基于确定性回波状态网络的股价预测。 (英语) Zbl 1406.91507号 文章摘要。申请。分析。 2014年,文章ID 137148,6 p.(2014). 摘要:回声状态网络(ESN)作为逼近非线性动力系统的高效计算模型,已成功应用于金融时间序列预测。由于一系列随机建模阶段,标准ESN中的油藏构建依赖于实际应用中的试验和误差。一种具有确定建造水库的新型ESN以最小的复杂性和ESN规范优化的可能性与标准ESN相竞争。本文研究了确定性ESN在股票价格预测应用中的预测性能。在两个基准数据集(上海综合指数和S&P500)上的实验结果表明,确定性ESN在准确性和效率上都优于标准ESN,这表明确定性ESN用于财务预测的前景。 MSC公司: 91G99型 精算科学和数学金融 62M20型 随机过程推断和预测 68T05型 人工智能中的学习和自适应系统 关键词:股票价格预测;回波状态网络 PDF格式BibTeX公司 XML格式引用 \textit{J.Dan}等人,文章摘要。申请。分析。2014年,文章ID 137148,6 p.(2014;Zbl 1406.91507) 全文: 内政部 参考文献: [1] Jaeger,H。;Haas,H.,《利用非线性:预测混沌系统和无线通信节能》,《科学》,304,5667,78-80(2004)·doi:10.1126/science.1091277 [2] 宋,Q。;刘,X。;Zhao,X.,基于回波状态神经网络的短时交通流和小时电力负荷预测算法,国际数字内容技术及其应用杂志,6,4,166-172(2012)·doi:10.4156/jdcta.vol6.issue4.20 [3] 施,Z。;Han,M.,混沌时间序列预测的支持向量回声状态机,IEEE神经网络汇刊,18,2,359-372(2007)·doi:10.10109/TNN.2006.885113 [4] 盛,C。;赵,J。;刘,Y。;Wang,W.,基于双重估计的回波状态网络对噪声非线性时间序列的预测,神经计算,82186-195(2012)·doi:10.1016/j.neucom.2011.11.021 [5] 卡拉,Y。;Acar Boyacioglu,M。;拜肯。K.,使用人工神经网络和支持向量机预测股价指数走势:伊斯坦布尔证券交易所样本,专家系统与应用,38,535311-5319(2011)·doi:10.1016/j.eswa.2010.10.027 [6] 翟,F。;林,X。;杨,Z。;Song,Y.,基于回声状态网络的金融时间序列预测,第六届国际自然计算会议论文集(ICNC’10)·doi:10.1109/ICNC.2010.5584802 [7] 张,H。;梁,J。;Chai,Z.,基于相空间重构和回波状态网络的库存预测,算法与计算技术杂志,7,1,87-100(2013)·Zbl 1280.91205号 ·doi:10.1260/1748-3018.7.1.87 [8] Chang,M。;Terzis,A。;Bonnet,P.,使用回声状态网络的基于运动的在线异常检测,传感器系统中的分布式计算,5516,72-86(2009)·doi:10.1007/978-3642-02085-86 [9] 医学博士斯科夫朗斯基。;Harris,J.G.,《使用预测回声状态网络的噪声-robust自动语音识别》,IEEE音频、语音和语言处理学报,第15期,第5期,第1724-1730页(2007年)·doi:10.1109/TASL.2007.896669 [10] 林,X。;杨,Z。;Song,Y.,基于回波状态网络的短期股价预测,应用专家系统,36,3,7313-7317(2009)·doi:10.1016/j.eswa.2008.09.049 [11] 林,X。;杨,Z。;Song,Y.,基于改进技术分析和Echo State Network的智能股票交易系统,应用专家系统,38,9,11347-11354(2011)·doi:10.1016/j.eswa.2011.03.001 [12] 罗丹,A。;Tiňo,P.,最小复杂度回波状态网络,IEEE神经网络汇刊,22,1,131-144(2011)·doi:10.1109/TNN.2010.2089641 [13] 罗丹,A。;Tiňo,P.,具有规则跳跃的简单确定构造旋回油藏,神经计算,24,7,1822-1852(2012)·doi:10.1162/NECO_a_00297 [14] Tiňo,P。;Rodan,A.,输入驱动线性动力系统中的短期记忆,神经计算,112,58-63(2013)·doi:10.1016/j.neucom.2012.12.041 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。