×
C.M.阿尼什。;巴比塔·马吉

基于反馈FLANN和因子分析的股市预测混合非线性自适应方案。 （英语） Zbl 1330.62371号

J.韩国统计学会。 45，第1号，64-76（2016）.
摘要：准确有效的股价预测对于潜在投资者决定投资策略非常重要。最近的文献中，数据挖掘技术已经应用于股市预测。因子分析（FA）是一种强大的统计属性约简技术，用于从原始数据中选择模型的输入。提出了一种带递推最小二乘（RLS）训练的反馈型函数链人工神经网络（FFLANN）作为潜在预测模型。通过基于主成分分析（PCA）和离散小波变换（DWT）的方法对两种股票指数进行模拟实验，获得了比较性能的度量值，表明相对于几种性能度量，该模型是一种更好的股票指数预测方法。为了进行比较，在类似条件下，还对基于多层人工神经网络（MLANN）、径向基函数神经网络（RBFNN）和支持向量机（SVM）的模型进行了仿真，结果表明，该模型优于基于MLANN、RBFNN和SVM的预测模型。此外，模型的低计算复杂度和减少的训练时间将更适合于在线预测目的。

MSC公司：

62P05号 统计学在精算科学和金融数学中的应用
62H25个 因子分析和主成分；对应分析
68层35 人工智能语言和软件系统理论（基于知识的系统、专家系统等）

关键词：

特征选择;主成分分析;离散小波变换;因子分析（FA）;股票价格预测;反馈函数链人工神经网络;递归最小二乘（RLS）算法
PDF格式BibTeX公司 XML格式引用
\textit{C.M.Anish}和\textit{B.Majhi}，J.Korean Stat.Soc.45，No.1，64--76（2016；Zbl 1330.62371）
全文： 内政部

参考文献：

[1] Abu Mostafa，Y.S。；Atiya，A.F.，《金融预测导论》，应用情报，205-213（1996）
[3] Araújo，Ricardo de A.，《财务预测的稳健自动阶段调整方法》，《基于知识的系统》，第27期，第245-261页（2012年）
[4] 阿萨迪，S。；Hadavandi，E。；梅赫曼帕齐尔，F。；Nakhostin，M.M.，进化型Levenberg-Marquardt神经网络的杂交和股市预测的数据预处理，基于知识的系统，35，245-258（2012）
[5] Atsalakis，G.S。；Dimitrakakis，E.M。；Zopounidis，C.D.，Elliott波动理论和神经模糊系统，《股市预测：WASP系统》，《应用专家系统》，38，9196-9206（2011）
[6] Atsalakis，G.S。；Valavanis，K.P.，使用神经模糊方法预测股市短期趋势，应用专家系统，36，10696-10707（2009）
[7] Atsalakis，G.S。；Valavanis，K.P.，《测量股市预测技术第二部分：软计算方法》，《应用专家系统》，36，3，5932-5941（2009）
[8] 博亚西奥格鲁，硕士。；Avci，D.，《股票市场收益预测的自适应网络模糊推理系统（ANFIS）：伊斯坦布尔证券交易所案例》，《应用专家系统》，第37期，第7908-7912页（2010年）
[9] Chang，T.-S.，《用于数字游戏内容股票价格预测的人工神经网络和决策树的比较研究》，《应用专家系统》，38，14846-14851（2011）
[10] Chang，P.-C。；Liu，C.-H.，TSK型模糊规则股票价格预测系统，应用专家系统，34135-144（2008）
[11] Chang，B.R。；蔡洪凤，自适应支持向量回归和非线性条件异方差的组合（通过量子最小化进行调整以用于预测），应用情报，27，277-289（2007）
[12] Chang，Pei-Chann；王迪迪；周长乐，“基于进化部分连接神经网络的股票价格趋势预测新模型”，《应用专家系统》，第39期，第611-620页（2012年）
[13] Crone，S.F。；Kourentzes，N.，时间序列预测的特征选择——神经网络的组合滤波和包装方法，神经计算，731923-1936（2010）
[14] 戴文胜；吴瑞玉；陆志杰，结合非线性独立成分分析和神经网络预测亚洲股市指数，专家系统及其应用，39，4444-4452（2012）
[16] Esfahanipour，A。；Aghamiri，W.，《股票市场分析中基于间接方法TSK模糊规则库的自适应神经模糊推理系统》，Expert Systems with Applications，37，4742-4748（2010）
[17] Etehadtavakol，M。；Ng，E.Y.K。；Chandran，V。；Rabbani，H.，基于可分离和不可分离离散小波变换的乳腺温谱纹理特征和图像分类，红外物理与技术，61274-286（2013）
[18] 费雷拉，T.A.E。；瓦斯康塞洛斯，G.C。；Adeodato，P.J.L.，使用人工神经网络进行时间序列预测的新智能系统方法，《神经处理快报》，28，113-129（2008）
[19] 格罗斯曼，A。；Morlet，J.，将Hardy函数分解为常形状的平方可积小波，SIAM数学分析杂志，15723-736（1984）·Zbl 0578.42007号
[20] 古列森，E。；Kayakutlu，G。；Daim，U.T.，《在股市指数预测中使用人工神经网络模型》，《应用专家系统》，38，10389-10397（2011）
[21] Hadavandi，E。；Shavandi，H。；Ghanbari，A.，遗传模糊系统和人工神经网络在股票价格预测中的集成，基于知识的系统，23，800-808（2010）
[22] Haykin，S.，《神经网络：综合基金会》（2002年），亚洲培生教育·Zbl 0828.68103号
[23] 夏太昌；徐英林；Jen，Xiao-Lih，基于因子分析的选择过程，预测成功的大学色彩卫队俱乐部成员，应用专家系统，362719-2726（2009）
[24] 谢天杰。；肖华富。；Yeh，W.C.，《使用小波变换和递归神经网络预测股票市场：基于人工蜂群算法的集成系统》，应用软计算，112510-2525（2011）
[25] Hsu，Chih-Ming，《通过集成自组织映射和遗传编程实现股票价格预测的混合程序》，《专家系统与应用》，38，14026-14036（2011）
[26] 黄成龙；蔡成毅，《一种具有基于滤波器的特征选择的混合SOFM-SVR用于股市预测》，《应用专家系统》，第36期，第1529-1539页（2009年）
[27] 詹金斯，G。；Doney，主成分和因子分析，（海洋科学建模方法（2008）），81-117
[28] Jilani，T.A。；Aqil Burney，S.M.，《股票市场预测的精细模糊时间序列模型》，Physica A，3872857-2862（2008）
[29] Khashei，M。；Bijari，M.，用于时间序列预测的人工神经网络和ARIMA模型的新型混合，应用软计算，112664-2675（2011）
[30] Kim，H。；Soibelman，L。；Grobler，F.，《利用数据库中的知识发现进行延迟分析的因子选择》，《建筑自动化》，第17期，第550-560页（2008年）
[31] Lee，Ming Chi，将支持向量机和混合特征选择方法用于股票趋势预测，专家系统与应用，3610896-10904（2009）
[32] Lin，H.-Y。；Liang，S.-Y。；Ho，Y.L。；Lin，Y.H。；Ma，H.P.，基于离散小波变换的心电信号噪声去除和特征提取，IRBM，35，6，351-361（2014）
[33] 刘一辉，高维微阵列数据的小波特征提取，神经计算，72985-990（2009）
[34] 刘，C.-F。；Yeh，C.-Y。；Lee，S.-J.，第二类神经模糊建模在股价预测中的应用，应用软计算，121348-1358（2012）
[35] 陆志杰，将基于独立成分分析的去噪方案与神经网络相结合用于股价预测，专家系统与应用，37，7056-7064（2010）
[36] 卢，C.-J。；Wu，J.-Y.，用于股指预测的高效CMAC神经网络，专家系统与应用，3815194-15201（2011）
[37] 马吉，R。；熊猫，G。；Sahoo，G.，基于FLANN的股票市场预测模型的开发和性能评估，应用专家系统，366800-6808（2009）
[38] Martinez-Murcia，F.J。；戈里兹，J.M。；J·拉米雷斯。；Puntone，C.G。；Salas-Gonzalez，D.，基于Mann-Whitney-Whilcoxon U检验的阿尔茨海默病计算机辅助诊断工具，《应用专家系统》，39，9676-9685（2012），阿尔茨海默氏病神经成像倡议
[39] Mostafa，M.M.，《使用神经网络预测股市走势：科威特的经验证据》，《应用专家系统》，第37期，第6302-6309页（2010年）
[40] Pal，N.R.，特征分析的软计算，模糊集与系统，103，201-221（1998）
[41] Patra，J.C。；北卡罗来纳州帕尔。；巴利亚辛格（Baliarsingh，R.）。；Panda，G.，使用人工神经网络的QAM信号星座非线性信道均衡，IEEE系统汇刊，人与控制论，B部分：控制论，29，2，262-271（1999）
[42] Patra，J.C。；北卡罗来纳州帕尔。；Chatterji，B.N。；Panda，G.，使用功能链接人工神经网络识别非线性动态系统，IEEE系统汇刊，人与控制论，B部分：控制论，29，2，254-262（1999）
[43] Patra，J.C。；熊猫，G。；Baliarsingh，R.，基于人工神经网络的压力传感器非线性估计，IEEE仪器和测量汇刊，43，6，874-881（1994）
[44] 夏尔马，S。；Kumar，A.，聚类分析和因子分析（2006年），Sage出版物（第18章）
[45] Tsai，C.F.，破产预测中的特征选择，基于知识的系统，22，2，120-127（2009）
[46] 蔡志芳；肖玉谦，结合多种特征选择方法进行股票预测：联合、交叉和多交叉方法，决策支持系统，50，258-269（2010）
[47] Vapnik，V.N.，《统计学习理论》（1998），威利出版社：威利纽约·Zbl 0934.62009号
[48] Verma，V.S。；Jha，R.K。；Ojha，A.，《使用支持向量机提取数字水印以及基于主成分分析的特征缩减》，《视觉通信与图像表示杂志》（2015）
[49] Wang，Jeen-Shing；蒋维春；徐玉良；Yang，Ya Ting，使用概率神经网络和特征约简方法进行心电图心律失常分类，神经计算，116，38-45（2013），C。
[50] 王小凡；郭庆义，《数据挖掘中的因子分析》，《计算机与数学及其应用》，481765-1778（2005）·Zbl 1075.68644号
[51] 万加、居杰；建州万加；Zhang，Zhe-George；郭树波，基于混合模型的股指预测，欧米茄，40758-766（2012）
[52] Widrow，B.，自适应滤波器理论（2007），PHI·Zbl 0204.18401号
[53] Yu，Tiffany Hui-Kuang；Huarng，Kun-Huang，基于神经网络的模糊时间序列模型改进预测，应用专家系统，37，3366-3372（2010）
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。