《表2 实验股票数据：变结构时态神经网络模型在股票预测中的应用》
提示：宽带有限、当前游客访问压缩模式
为了进一步验证本文模型的适用性和有效性，另外选取了沪深300、中国石油、中国平安和兴业银行这4只股票，具体数据选取见表2。
| 图表编号 | XD00170297700 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.06.16 |
| 作者 | 孟志青、朱涵琪 |
| 绘制单位 | 浙江工业大学管理学院、浙江工业大学管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 网络模型预测误差：基于LSTM-CNN-CBAM模型的股票预测研究》2021.02.01
- 《表1 部分样本数据：基于ARMA模型的股票开盘价分析及预测》2020.09.25
- 《表1 数据集形式：基于LSTM神经网络的股票价格预测研究》2021.02.01
- 《表2 传动效率测试数据：基于PCA-BP神经网络综合模型预测股票价格》2020.11.25
- 《表2 处理后的数据分布：基于PCA-BP神经网络综合模型预测股票价格》2020.11.25
- 《表3 4种股票预测结果：变结构时态神经网络模型在股票预测中的应用》2020.06.16
- 《表1 误差分析比较：变结构时态神经网络模型在股票预测中的应用》2020.06.16
- 《表2 实验结果数据表：基于新闻信息的股票指数预测》2020.02.01
- 《表1 原始股价数据：数据多维处理LSTM股票价格预测模型》2020.08.01
- 《表2 股价数据主要特征：数据多维处理LSTM股票价格预测模型》2020.08.01
- 《表5 预测模型流程：基于离散化和LSTM神经网络的股票指数趋势预测研究》2019.12.25
- 《表6 实验结果：基于离散化和LSTM神经网络的股票指数趋势预测研究》2019.12.25
- 《表1 折弯实验数据：灰色预测模型在自由折弯中的应用》2019.09.25
- 《表1 实验对比：优化BP网络在农业墒情站数据预测中的应用研究》2019.08.20
- 《表3 分类结果表：因子分析和聚类分析在多元金融股票投资中的应用》2019.09.28
- 《表1 样本数据构造表：改进的APSOwM-BP网络模型在高铁沉降预测中的应用研究》2019.06.25
- 《表2 相关数据矩阵：基于灰色系统和神经网络的创业板股票价格预测研究》2019.04.12
- 《表4 解释变差表：基于偏最小二乘方法的ARIMA模型在股票指数预测中的应用》2018.09.10
- 《表1 变量关系表：基于偏最小二乘方法的ARIMA模型在股票指数预测中的应用》2018.09.10
- 《表1 分行业股票绝对收益的静态变结构检验结果》2018.12.01