基于分形理论和机器学习的股票预测方法研究

目录

声明

致谢

1.绪论

1.1研究背景及意义

1.2相关研究

1.2.1分形技术研究现状

1.2.2机器学习研究现状

1.3研究内容与结构安排

1.3.1研究内容

1.3.2结构安排

1.3.3技术路线

1.3.4创新点

2.理论基础

2.1分形理论

2.1.1分形市场理论

2.1.2分形维数

2.2群智能算法

2.2.1群智能算法

2.2.2果蝇算法

2.3极限学习机

2.3.1神经网络

2.3.2极限学习机

2.4长短时记忆网络

2.4.1深度学习

2.4.2循环神经网络

2.4.3长短时记忆网络

2.5本章小结

3.改进的分形属性选择算法

3.1 K型分形维数

3.1.1 K型分形维数

3.1.2 K型多重分形维数

3.2基于K型多重分形维数与果蝇算法的属性选择

3.2.1属性选择

3.2.2分形属性选择

3.2.3基于分形维数和果蝇算法的属性选择

3.3本章小结

4.两种预测模型设计

4.1基于属性选择和GA-PSO-ELM的预测模型

4.1.1 GA-PSO-ELM预测模型

4.1.2 GA-PSO-ELM预测模型验证

4.2基于属性选择和FOA-LSTM的预测模型

4.2.1 LSTM预测模型

4.2.2 FOA改进双输入LSTM预测模型

4.2.3基于分形理论和FOA改进的双输入LSTM的预测系统

4.3本章小结

5.实证分析

5.1数据获取与预处理

5.1.1输入数据

5.1.2输出数据

5.2上证综合指数的实证分析

5.2.1属性选择

5.2.2 GA-PSO-ELM模型预测结果分析

5.2.3 FOA改进双输入LSTM模型预测结果分析

5.3本章小结

6.总结与展望

6.1本文主要工作与结论

6.2研究的局限性与展望

参考文献

作者简介

学位论文数据集