摘要
在股票决策问题的研究中,考虑到多特征之间存在高度的非线性和信息冗余问题,传统股票预测方法无法消除数据之间冗余和捕捉非线性规律导致预测精度较低,为了提高股票价格预测精度,提出一个基于典型相关分析(CCA)的BP神经网络股票预测模型(CCA-BP)。首先将股票的17个指标分成两组进行典型相关分析进行降维,不仅保证了主元模型的信息容量,同时也避免了过多噪声的参与,降低BP神经网络的输入维数,加快BP神经网络预测速度并提高预测精度从而保证了预测过程的准确性。最后通过神经网络对实际股票数据进行预测,表明了本文提出的降维算法的有效性。
出处
《统计与管理》
2020年第3期66-69,共4页
Statistics and Management