基于TOPSIS、EMD与ELM的股票价格交易混合方法开发
统计金融
2022-06-15 v1 神经与进化计算
摘要
决定何时买入或卖出股票并非易事，因为市场难以预测，且受政治与经济因素影响。因此，基于计算智能的方法已被应用于这一具有挑战性的问题。在本工作中，每天使用基于理想解相似度的偏好排序技术（TOPSIS）依据技术分析准则对股票进行排序，并选出最合适的股票进行购买。即便如此，仍可能出现某些交易日市场不利于买入，甚至TOPSIS做出错误选择的情况。为改进选择，应采用另一种方法。为此，提出了一种由经验模态分解（EMD）与极限学习机（ELM）组成的混合模型。EMD将序列分解为若干子序列，从而提取主要分量（趋势）。该分量由ELM处理，其对分量的下一个元素进行预测。若ELM预测值大于最后一个值，则确认买入该股票。该方法应用于巴西市场中50只股票的组合。与随机选股及Bovespa指数所产生的回报相比，TOPSIS的选择显示出有前景的结果。通过EMD-ELM混合模型进行确认能够提高盈利交易的比例。
引用
@article{arxiv.2206.06723,
title = {Development of a hybrid method for stock trading based on TOPSIS, EMD and ELM},
author = {Elivelto Ebermam and Helder Knidel and Renato A. Krohling},
journal= {arXiv preprint arXiv:2206.06723},
year = {2022}
}