《基于k线序列相似性搜索的股票价格预测》

摘要:现有k线模式主要是通过人工观察方式(即人工相似性搜索)获得的。针对现有k线模式在股票预测中预测效果一般，且部分学者否认k线模式具有预测能力的现状，采用计算机技术和数据挖掘等方法，重新对k线序列相似性搜索预测进行研究。首先，定义k线序列的相似性度量模型，包括k线序列的形态相似性和位置相似性，来解决k线序列的相似性匹配问题;接着，基于k线序列的相似性度量模型，定义k线滑动搜索算法，来解决k线序列的相似性搜索问题;最后，基于k线序列的相似性搜索结果，提出了两种股票价格预测方法:普通序列相似性搜索预测法和模式序列相似性搜索预测法。在实验中，普通序列和模式序列两种方法的预测准确率分别可以达到72．5%和77．8%。实验结果表明，k线模式具有预测能力，且k线模式较普通序列的预测效果更好;提出的两种股票预测方法，均可以较好地应用于股票预测与投资。

想要下载论文的读者朋友，请先付费获得积分。