基于MACD指标与聚类算法的电力用户用电行为分析

深入挖掘用户用电行为是电力大数据背景下电力市场精细化发展的迫切需求。为满足该需求,提出了一种基于平滑异同移动平均线(MACD)指标提取特征的聚类分析方法。该方法首先计算用户用电量的MACD指标;然后以MACD指标为特征,采用K-means聚类算法对用户进行分类;最后利用分析股票的思想分析每一类用户的用电行为。对美国某一地区的实测居民用电量数据进行了算例分析,结果表明所提方法与传统方法相比具有更好的聚类效果,并且拓展了用户用电行为分析方式。

基于异同移动平均线指标的氨氮厌氧工艺诊断研究

合理的诊断方法和控制策略是实现厌氧处理工艺安全性和稳定性的必要手段。为了对氨氮厌氧工艺的处理过程进行准确的诊断与控制,基于在线监测系统对氨氮扰动冲击情境下上流式厌氧污泥床(Up-flow Anaerobic Sludge Blanket,UASB)反应器的气液相参数进行实时监测,并根据指数平滑异同移动平均算法,建立各参数相对应的异同移动平均线指标。根据各参数的指标响应特征与反应器之间的状态关系,通过建立诊断规则,构建氨氮厌氧工艺诊断推理数据库。诊断推理数据库结果显示,气相参数指标整体上比液相参数指标响应快,适合作为识别氨氮扰动抑制发生的敏感性指标;综合气相和液相多参数异同移动平均线指标的响应特征,不仅能够对扰动抑制程度和厌氧生化系统的恢复情况做出准确、全面的诊断,还能够提供快速的预警和有效的控制策略。

MACD法和KDJ法预测森林可持续经营状态变化趋势

推进森林可持续经营,不仅要掌握其在某一时点的状态,还要掌握其状态变化趋势.在讨论森林可持续经营状态测度值构成的时间序列的动态性、波动性和节律性的基础上,探讨了用离差指标法(MACD法)和随机指标法(KDJ法)预测森林可持续经营状态变化趋势、变化方向、变化速度和变化转折点的可行性,讨论了相关的周期参数,并进行了应用研究分析.

MACD与K线图技术在证券投机中的实证研究

利用MACD趋势指标与K线形态图进行相互验证技术,改进一般的基于MACD的证券买卖准则。实证结果表明,基于改进后的MACD买卖准则进行证券投机,几乎能使投机者捕捉到每一波段行情,从而获取较高收益。

基于ATLG混合模型的股票价格预测

股市是金融市场的重要组成部分,对股票价格预测有着重要的意义.同时,深度学习具有强大的数据处理能力,可以解决金融时间序列的复杂性所带来的问题.对此,本文提出一种结合自注意力机制的混合神经网络模型(ATLG).该模型由长短期记忆网络(LSTM)、门控递归单元(GRU)、自注意力机制构建而成,用于对股票价格的预测.实验结果表明:(1)与LSTM、GRU、RNN-LSTM、RNN-GRU等模型相比, ATLG模型的准确率更高;(2)引入自注意力机制使模型更能聚焦于重要时间点的股票特征信息;(3)通过对比,双层神经网络起到的效果更为明显.(4)通过MACD (moving average convergence and divergence)指标进行回测检验,获得了53%的收益,高于同期沪深300的收益.结果证明了该模型在股票价格预测中的有效性和实用性.

基于多目标优化的股市趋势追踪交易策略

针对股票市场交易中交易时机的不确定性及不稳定性,提出了一种基于多目标优化的股市趋势追踪交易策略。在提出的交易策略中,一共使用三对基于移动平均收敛发散柱状图线的阈值对股票的买卖时机进行预测。这三对阈值的作用分别是:第一对阈值判断股票微弱的上涨趋势和下跌趋势;第二对阈值检测股票暴涨和暴跌的情况;第三对阈值在移动平均收敛发散柱状图线的中心线判断买入点和卖出点。本文改进用于预测的股市模型,改进了判定股票暴增或暴跌的方法,并改进了阈值的搜索空间范围,比较了不同多目标优化算法对阈值的优化效果。最后与前人的静态算法、自适应算法、基于移动平均收敛发散线的多阈值算法效果进行对比,本文提出的方法获利成功率分别提升了10%、7%和12%,累计投资回报率分别提升了7.09%、10.49%和3.98%。