"听觉算法在油气板块股市预测中的应用"

122 浏览量更新于2025-01-16 收藏 1.77MB PDF 举报

软计算快报3（2021）100013

一种新的听觉算法在油气板块股市预测中的应用

在尼日利亚证券交易所

David O. Oyewola

，

，Asabe Ibrahim

，Joshua. A. Kwanamu

，Emmanuel Gbenga Dada

尼日利亚贡贝，联邦大学

Kashere P.M.B 0182

数学计算机科学系

尼日利亚穆比，阿达马瓦州立大学数学系

尼日利亚迈杜古里，迈杜古里大学理学院数学科学系。

A R T I C L E I N FO

保留字：

听觉算法几何布朗运动随机

过程

机器学习支持向量机

A B标准

股票市场预测是预测股票未来价格的过程。股票市场预测是一个充满不确定性因素的挑战性过程，这些不确定

性因素影响着市场价格的变化。本文提出了一种受自然启发的算法，称为听觉算法（AA），它遵循类似于人耳

的听觉系统的路径。将AA算法与高性能机器学习算法和连续时间随机过程的性能进行了比较。本文中使用的机

器学习算法是逻辑回归（LR）、支持向量机（SVM）、前馈神经网络（FFN）和递归神经网络（RNN），同时

还使用了连续时间模型，如随机微分方程（RNN）和几何布朗运动（GBM）。结果表明，AA的整体性能优于本

文所比较的其他算法，因为它大大降低了预测误差到最小。

介绍

股票市场预测是一项非常困难的任务，由于不同的不确定性，

影响市场价格的事件，包括政治事件、

经济事件、

投资者情绪

[1 - 6]

。

这

是

由于股票市场价格波动导致的随机波动。股票市场在本质上是动态

的、嘈杂的[7]。预测股票

交易所，先进的股票知识是强制性的。投资者倾向于购买未来价格上涨

的股票，而不购买未来价值随着时间的推移而下降的股票。然而，重要

的是要开发一个强大的股票市场算法，可以准确地预测股票的行为，以

最大限度地提高收益，最小化投资者的损失。

此外，股票市场容易受到各种因素的影响，这些因素影响着股票市

场的波动。股票市场数据的不完全信息也是股票期货价格预测的一个挑

战。股票投资者依靠不同的技术指标来预测股价走势。虽然这些指标被

用来评估股票，但很难预测市场趋势。经济和非经济因素影响股票趋势

的行为[15]。因此，股票市场预测被视为对生产增长为了解决这个问

题，我们建议

一个听觉算法来准确预测股票市场的行为。本文主要研究听觉算法在股

市预测中的应用。研究人员考虑了六种用于股票市场预测的流行算法，

它们是机器学习和连续时间随机过程，然后将它们的性能与AA进行比

较。我们考虑了六种算法，它们是逻辑回归，支持向量机，前馈神经网

络，递归神经网络，几何布朗运动和随机微分方程。本文的贡献摘要

工作包括：

提出了一种新的AA算法，该算法能够准确地预测股票市场价格，

为投资者带来巨大的财务利润

本文的实验结果有力地证明了采用AA进行股市预测的优点之一，即

能够检测股市的指数衰减。股票市场预测是投资者非常感兴趣的，

AA将使投资者确定股票，将产生高价值。

研究指数衰减规律有助于投资者了解股票何时稳定，何时上升，何

时下降。

* 通讯作者。

电子邮件地址：

davidoyewole@fukashere.edu.ng（D.O. Oyewola），gbengadada@unimaid.edu.ng（E.G.达达）。

https://doi.org/10.1016/j.socl.2021.100013

修订版于2021年5月10日收到;于2021年6月22日

2021

年

月

日在线发布

by-NC-ND

许可

证

（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。

可在ScienceDirect上获得目录列表

软计算快报

杂志首页：www.sciencedirect.com/journal/soft-computing-letters

D.O. Oyewola

等人

软计算快报

（

2021

）

100013

分析如何从AA获得指数增长将使投资者能够确定所呈现的股票市场

价格的增长。

使用Friedman检验分析所有7种算法的统计学差异，并使用WilcoX on

检验进行事后分析。

第二部分讨论了股票市场预测领域的相关工作。第4节解释了本工作

中使用的拟议方法。结果和结果的讨论在第5节中给出，第6节是本文的

结论。

相关工作

本节简要介绍了近年来在股票市场预测领域的研究成果随机过程

是由Bachelier[17]开发的，他开发了第一个股票预测模型，利用它来

预测未来价格和期权。Antwi在[19]中利用几何布朗运动研究了加纳

股票EX在将实际价格与预测价格进行比较后，他们的模型预测了超

过80%的情况下的股票行为。

最近，机器学习模型被开发来克服连续时间模型的缺点。文献[21，

24]利用时间序列和技术指标对股票市场进行预测。他们观察到，将技

术指标与他们的概率模型相结合，使股票价格的不确定性降低。贾科梅

莱

[13]提出了一种集成神经网络，可以预测一只股票的上涨或下跌。

Oyewolaet al.[14]在他们的论文中利用逻辑回归，随机森林，支持向量

机和神经网络进行股市预测。他们还使用了三种不同的机器学习算法来

预测股票市场价格，并表明当随机森林位于顶层时，算法的性能优于其

他算法。然而，[8]在他们的论文中使用了递归神经网络和反向传播网络

来预测股票价格。他们观察到，与现有技术相比，他们的模型实现了更

好的预测结果。由 [16]提出的计算有效的函数链接人工神经网络

（CEFLANN）通过将技术指标与CEFLANN相结合来产生0和1范围内的

连续交易信号。他们将结果的性能与支持向量机，朴素贝叶斯模型，K

近邻模型和决策树进行了比较。实验结果表明，该模型与其他机器学习

算法相比具有更好的性能。

Chen和Fang[16]在他们的工作中利用了人工神经网络，

广义自回归条件异方差和随机游走模型在预测亚洲货币单位。他们观察

到，神经网络跑赢大盘别人这是甘精胰岛素，

听觉系统

听觉涉及一个逐步的过程，将通过介质（空气）的声波转换为电信

号[20]。听觉神经负责将从耳蜗接收到的信号传递到大脑。耳朵有三个

主要部分，包括：

1外耳2中耳3内

耳4

外耳

外耳有两个部分，包括耳道和耳廓。声波通过耳廓然后到达耳道。

外耳被称为耳廓，位于头部的一侧，由软骨制成。声波通过一个叫做

耳道耳廓负责将声音收集到耳道[11]。

中耳

声波穿过鼓膜，引起鼓膜振动，并将振动传递到锤骨、砧骨和镫

骨。由锤骨、砧骨和镫骨组成的三块骨头增加了来自鼓膜的声音振动，

并将其传递到耳蜗[22]。耳蜗是一个充满液体的螺旋结构

内耳

耳蜗是一个充满液体的螺旋结构。耳蜗被分成一个弹性分区，从

上到下的部分称为基底膜。耳蜗旁的毛细胞检测到高音[12]。毛细胞

的运动会导致静纤毛打开，化学物质涌入细胞，产生电信号。听觉神

经负责将电信号传递到大脑，大脑将其转换为我们识别的声音。

3.1.

建议的听觉算法（

）

听觉算法从听觉过程中获得灵感。在该算法中，通过耳廓的声波被

表示为耳廓。声波表示如下：

耳廓

= [x

，

声波（x

，x

，...，

）穿过耳廓到达称为耳道的狭窄部分。从耳

道，它传递声波到鼓膜，然后振动。将振动鼓膜方程表示为具有零边界

条件的波动方程

随机游走模型股票市场的深度学习网络

102

分析[9]。作者开发了一种方法，

从数据中提取特征，并研究了无监督特征提取，如玻尔兹曼机，自动编

码器和PRIN-NR成分分析对韩国股市的影响。结果发现具有三层的深

度神经网络比自回归模型表现得更好。

当量（2）有解u = f（x，t），可以写成u（x，t）

假设

（

，

）

（

）

（

）

其中

（

）是

的函数，

（

）是

的函数

设u=XT

近年来，人们提出

了

一种用于股票市场

预测

的混合模型

102

措辞Shipra，Khan和Mohammad Anwer[18]利用粗糙集模型，神经

网络和混合神经网络在达卡证券交易所买卖股票。他们的研究结果

表明，

′

T和

然后

提出的模型比本文中使用的其他模型更有效。

拉

乌

102

Oussama和Mohamed[10]提出了一个分层深度神经网络，其中包含突尼

斯证券交易所的75只股票，回报率为5分钟。他们的研究显示准确率为

71%。

=XT

′

且

λt

=XT

′′

（4

）

替代方程（3）和（4）的等式。（一）

剩余15页未读，继续阅读

cpongm

粉丝: 6

"听觉算法在油气板块股市预测中的应用"

论文研究-基于计算听觉场景分析的混合语音信号分离算法研究.pdf

自适应滤波LSL算法及其在去噪中的应用

听觉信号盲分离的混合粒子群优化算法.pdf

论听觉艺术在医疗景观设计中的应用.pdf

论听觉艺术在医疗景观设计中的应用.rar

混合遗传算法在有源噪声控制中的应用

FXLMS算法在主动噪声控制中的应用研究

自适应音频水印算法：基于倒谱变换与听觉系统的创新应用

FastICA算法在语音信号分离中的应用与评价

MFCC特征提取改进算法在说话人识别中的应用

最新资源