期刊文献+

基于高斯混合隐马尔可夫模型的螺纹钢价格波动预测 被引量:1

Prediction of Rebar Price Fluctuation Based on Gaussian Mixture Hidden Markov Model
下载PDF
导出
摘要 针对螺纹钢现货市场的价格波动预测问题,提出应用高斯混合隐马尔可夫模型(Gaussian mixture hidden Markov model,GMHMM)来进行预测。首先利用螺纹钢的每日最高价、最低价指标作为观测状态序列,利用Baum-Welch算法得到模型参数,再通过Viterbi算法预测隐状态序列及其概率矩阵,最后结合单日匹配预测算法和多日加权预测算法分别进行30天的预测。对真实值和预测值进行对比,并使用常见的预测模型评价指标均方误差(MAE)和平均绝对百分比误差(MAPE)评估预测精度,结果显示结合多日加权预测的MAE值为0.01949,MAPE值为0.008145,证明高斯混合隐马尔可夫模型具有解码螺纹钢市场隐状态的能力,结合多日加权预测算法可为螺纹钢现货的线上市场交易提供科学决策依据。
作者 王越 孙若莹 WANG Yue;SUN Ruo-ying
出处 《冶金经济与管理》 2022年第2期36-40,共5页
  • 相关文献

参考文献6

二级参考文献43

  • 1卢延纯,赵公正,左更,高圆钰薇.破解铁矿石价格困境 构建钢铁产业新发展格局[J].价格理论与实践,2021(1):4-9. 被引量:9
  • 2罗琦,游学敏,吕纤.基于网络数据挖掘的资产定价研究述评[J].管理学报,2020,17(1):148-158. 被引量:14
  • 3刘任帆,陈芳舒.我国钢材期货与现货市场的互动性探究——基于上海螺纹钢的实证研究[J].杭州电子科技大学学报(社会科学版),2011,7(3):13-17. 被引量:5
  • 4Kimoto T,et al.Stock market prediction system with modular neural networks,Proc[C] //International Joint Conference on Neural Networks,San Diego,1990,1:16.
  • 5Cheng W,Wanger L,Lin C H.Forecasting the 30-year US treasury bond with a system of neural networks[J].Journal of Computational Intelligence in Finance,1996,(4):10-16.
  • 6Sharda R,Patil R B.A connectionist approach to time series prediction:an empirical test[M].In:Trippi,RR,Turban,E,(Eds.),Neural Networks in Finance and Investing,Chicago:Probus Publishing Co.,1994:45-164.
  • 7Muller K R,et al.Using support vector machines for time series prediction[J].In:B.Scholkopf,C.J.C.Burges,A.J.Smola(Eds.),Advances in Kernel Methods-Support Vector Learning,MIT Press,Cambridge,MA,1999:243-254.
  • 8Tay F E H,Cao L J.Application of support vector machines in financial time series forecasting[J].Omega,2001,29(4):309-317.
  • 9Kyoung-jae Kin.Financial time series forecasting using support vector machines[J].Neurocomputing,2003,(55):307-319.
  • 10Md.R.Hassan,B.Nath,M.Kirley.A fusion model of HMM,ANN and GA for stock market forecasting[J].Expert Systems with Applications,2007,33:171-180.

共引文献50

同被引文献4

引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部