基于极限学习机的股票价格预测

摘要：

极限学习机（ Extreme Learning Machine ， ELM）是一种新型的单馈层神经网络算法，克服了传统的误差反向传播方法需要多次迭代，算法的计算量和搜索空间大的缺点，只需要设置合适的隐含层节点个数，为输入权和隐含层偏差进行随机赋值，一次完成无需迭代。研究表明股票市场是一个非常复杂的非线性系统，需要用到人工智能理论、统计学理论和经济学理论。本文将极限学习机方法引入股票价格预测中，通过对比支持向量机（ Support Vector Machine ， SVM）和误差反传神经网络（ Back Propagation Neural Network ， BP神经网络），分析极限学习机在股票价格预测中的可行性和优势。结果表明极限学习机预测精度高，并且在参数选择及训练速度上具有较明显的优势。

关键词：极限学习机、股票价格、预测模型、支持向量机、神经网络

分类号：TP181(自动化基础理论)

在线出版日期：2015-01-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：19-22