《表1 采用国药一致（000028）数据的模型预测指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《股票市场短期趋势的离散分类预测模型研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为量化比较本文所提出的股票短期趋势预测模型与其他三种对比模型的性能，还要计算出每种方法预测结果的平均绝对误差（MAE）和均方根误差（RMSE），如表1所示。从表1的结果可以看出，本文所提出的离散分类预测模型预测效果最好，预测结果的平均绝对误差和均方根误差分别为0.75和1.24，这再次说明对股票短期趋势预测的少量连续特征进行离散化处理不但能提高模型预测的稳定性，还能提高模型的预测准确度。相反，BP神经网络预测模型则取得了最差的预测性能，其平均绝对误差和均方根误差分别为1.82和2.31，相比于本文所提出的离散分类预测模型，性能分别下降了58%和46%。出现该现象的原因在于，股票短期趋势预测能用的连续特征较少，BP神经网络容易出现过拟合现象，虽然在训练数据上能取得不错的效果，但对于出现不同模式（如局部反复震荡）的测试数据则不能进行较好预测。