基于混合预处理神经网络模型的股价预测

摘要

在股价预测领域，多元时间序列中通常存在多个变量之间的复杂相互关联，同时受到多种因素的影响，这增加了准确预测的难度.为了应对这一挑战，提出了一种创新的混合预处理技术方法 .首先，利用经验小波变换（EWT）同时提取时间序列的低频和高频成分；接着，引入了动态时间规整（DTW）和差分动态时间规整（DDTW）来度量不同分量之间的相似性，从而有效地识别了股价时间序列中的关联模式和相似性.在进一步的分析中，采用滑动窗口处理高频分量，并进行主成分分析，同时对低频分量进行直接主成分分析.最后，将这些方法应用于多个神经网络预测模型中，发现模型的性能和预测精度都有显著提升.

关键词

股价预测 / 经验小波变换 / 动态时间规整 / 主成分分析 / 神经网络

基金资助

河南省自然科学基金（232300421143）; 河南省高等学校重点科研项目计划基础研究（25ZX013）