基于TRSSA-ELM算法的股价预测研究

谭佳伟; 谷佳澄; 李春梅; 王善求; 秦丹丹

doi:10.19292/j.cnki.jdxxp.2025.01.017

吉林大学学报(信息科学版) ›› 2025, Vol. 43 ›› Issue (01) : 90 -97. DOI: 10.19292/j.cnki.jdxxp.2025.01.017

基于TRSSA-ELM算法的股价预测研究

谭佳伟, 谷佳澄, 李春梅, 王善求, 秦丹丹

作者信息 +

Author information +

文章历史 +

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。