基于TRSSA-ELM算法的股价预测研究

摘要

针对股价预测中存在的不确定性、间断性、随机性和非线性等问题，提出一种TRSSA-ELM(Tent Random Walk Sparrow Optimization Algorithm-Extreme Learning Machine)股价预测模型。首先，采用自适应Tent混沌映射和随机游走策略对算法进行改进，增强种群多样性和随机性，提高算法局部和全局的寻优能力。其次，使用单峰、多峰和固定维多峰测试函数对TRSSA(Tent Random Walk Sparrow Optimization Algorithm)性能进行了验证，相比于SSA(Sparrow Optimization Algorithm)、AO(Aquila Optimizer)、POA(Pelican Optimization Algorithm)和GWO(Grey Wolf Optimizer), TRSSA算法具有更好的收敛速度、精度和统计性质。最后，由于ELM(Extreme Learning Machine)模型随机生成权重和阈值，降低了预测精度和泛化能力，应用TRSSA算法优化ELM模型的权重和阈值，并用三安光电股票数据集对TRSSA-ELM模型进行了测试。实验结果表明，TRSSA-ELM模型相比于SSA-ELM、ELM、SVR(Support Vector Regression)和GBDT(Gradient Boosting Decision Tree),具有更好的预测精度和稳定性。

关键词

股价预测 / TRSSA-ELM预测模型 / 自适应Tent混沌映射 / 随机游走策略