《表2 连续型与离散型输入数据分类预测对比》
为了证明时态神经网络模型的分类的优越性,又将原数据进行离散化后使用支持向量机进行试验。从图4可以看出,对8支股票进行分类预测的结果对比中,时态神经网络模型在7只股票中的表现优于支持向量机,且稳定性更好,而在预测南京高科股票表现上略差于后者,调查研究后发现原因可能是南京高科近几年处于转型期,波动较大。综合来说,在分类预测中,时态神经网络模型优于支持向量机。因此,可以利用时态神经网络模型对证券市场的股票趋势分类进行有效的预测。换句话讲,在时态型数据下,构建时态神经网络模型可以为股票广大投者提供科学、正确把握股市的机会,指导股民有效及时地进行买入与抛售行为。
图表编号 | XD0090178100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.01 |
作者 | 邱一豪、孟志青 |
绘制单位 | 浙江工业大学经贸管理学院、浙江工业大学经贸管理学院 |
更多格式 | 高清、无水印(增值服务) |