论文部分内容阅读
本文建立了一种基于模式挖掘及人工神经网络的投资策略模型，该模型综合考虑了股票的趋势性和随机性，对投资者制定投资策略具有参考性。 文章中首先将滑动窗口中的股票序列定义为数据集合，使用K-means方法，将数据聚类得到时间序列模式，并且得到频繁的序列模式组合，这些模式组合中预示了股票一定的趋势性。人工神经网络算法已经在股票投资决策模型中被大量使用，本文综合考虑到股票行为的趋势性和随机性，将股票的随机震动指标，相对强弱指标等其他指标进行主成分分析后得到的主要成分及频繁模式的预测结果作为神经网络的输入层单元，将股票未来一段时间内股票收益分类作为输出单元建立神经网络，并用实证数据验证该模型。 该实证研究比较了在模型中使用聚类方法，并使用支持向量机及人工神经网络两种算法对模型准确率的影响，并得出初步结论，人工神经网络的准确率要高于支持向量机算法。 文中提出了一个客观的模型综合考虑了股票时间序列的趋势性和随机性，对科学的分析未来可能存在的投资机会有一定的参考价值。