Biblioteca122.294 documentos en línea

Artículo

Integrating Independent Component Analysis and Principal Component Analysis with Neural Network to Predict Chinese Stock MarketIntegración del análisis de componentes independientes y el análisis de componentes principales con redes neuronales para predecir el mercado bursátil chino

Resumen

Investigamos los comportamientos estadísticos de las fluctuaciones del mercado bursátil chino mediante el análisis de componentes independientes. El método de análisis de componentes independientes (ICA) se integra en el modelo de red neuronal. El enfoque propuesto utiliza el método ICA para analizar los datos de entrada de la red neuronal y puede obtener los componentes independientes latentes (CI). Tras analizar y eliminar los CI que representan ruido, el resto de los CI se utilizan como entrada de la red neuronal. Con el fin de predecir las fluctuaciones del mercado de valores chino, se seleccionan y analizan los datos del Índice Compuesto de Shanghai, y se comparan los resultados de predicción del modelo propuesto con los del modelo de BP común que integra el análisis de componentes principales (ACP) y el modelo de BP único. Los resultados experimentales muestran que el modelo propuesto supera a los otros dos modelos, independientemente de que la muestra sea relativamente pequeña o grande, y que el rendimiento del modelo de BP que integra PCA se acerca más al del modelo propuesto en muestras relativamente grandes. Además, los resultados de las predicciones de los tres modelos anteriores sobre los puntos en los que los precios fluctúan violentamente se desvían relativamente de los datos de mercado reales correspondientes.

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento