摘要
股票市场的预测对于投资机构以及个人都至关重要,但其具有的波动性以及非平稳性的特点使其难以预测,为解决上述问题,本文利用股票市场的复杂网络特性,以及在不确定性和协同组合方面发挥了优越性的模糊逻辑理论,提出了一种基于复杂网络模糊时间序列的股票价格指数预测模型,对全局耦合的股票网络开展研究。通过对基于复杂网络的模糊时间序列模型与加权自适应期望模糊时间序列模型的比较,发现基于复杂网络的模糊时间序列模型比加权自适应期望模糊时间序列模型具有更小的平均方均根误差(RMSE)值,且发现在合理的范围内,不同的加权参数h对股价预测结果的影响是非常相似的。
-
单位宁波工程学院