基于模糊时间序列与最长公共/重复子序列结合的股票预测新方法
计算工程、金融与科学
2015-06-23 v1 人工智能
神经与进化计算
摘要
股价预测对投资者而言是一个重要问题，因为极高的预测精度可带来高额利润。模糊时间序列(FTS)与最长公共/重复子序列(LCS/LRS)是预测价格的两个重要问题。然而，据我们所知，尚无利用LCS/LRS预测股价的重要研究。价格不可能与历史价格完全一致。因此，本文提出一种结合FTS与LCS/LRS预测股价的最新方法。该方法基于历史会重演的原理，利用FTS中不同的区间长度对价格进行模糊化，并利用LCS/LRS在历史价格中寻找相同模式以预测未来股价。实验中，我们考察了模糊时间集的不同区间以期达到高预测精度。所提方法在预测精度上优于传统方法，且易于实现。
引用
@article{arxiv.1506.06366,
title = {A Novel Method for Stock Forecasting based on Fuzzy Time Series Combined with the Longest Common/Repeated Sub-sequence},
author = {He-Wen Chen and Zih-Ci Wang and Shu-Yu Kuo and Yao-Hsin Chou},
journal= {arXiv preprint arXiv:1506.06366},
year = {2015}
}