基于多特征因子的隐马尔科夫模型的自适应股票预测方法

摘要

本发明公开了基于多特征因子的隐马尔科夫模型的自适应股票预测方法，本发明主要由股票样本数据和HMM组成。基于HMM的股票预测的思路是将历史数据的时间点通过隐状态的标注，实现时间点的分类，然后通过寻找和待预测日前一天的分类标注一致的历史点，计算取得历史点和它们后一日的涨跌幅度，来估计待预测日和前一日的收盘价残差。使用了多种特征属性，包含了股市的市值资本、技术、动量等指标作为初选特征，经过多种方法筛选出预测能力较强的属性作为特征向量，预测能力较优于使用特征少的方法。