结合缠论和深度学习的股价拐点预测研究

作者：田红丽; 杨莹莹; 闫会强

来源：计算机工程与应用, 2022, 58(16): 319-325.

• 缠论
• 合成少数类过采样技术(SMOTE)
• 焦点损失函数
• 卷积神经网络(CNN)
• 加权支持向量机(WSVM)

针对股市存在伪分型且分型数据集的类别样本不平衡问题，提出了一种结合缠论和深度学习的拐点预测方法（SMOTE-FLCN-WSVM）。在缠论的基础上，对数据集进行拐点的标注。深度学习模型从数据、特征以及分类算法三个层面对不平衡问题进行改进。首先采用SMOTE过采样算法对数据集进行预处理；再针对不平衡数据集特征提取困难的问题，使用引入Focal Loss的卷积神经网络挖掘数据的深层特征；然后利用引入类别权重参数的支持向量机对提取的特征进行分类。实验从实用性与有效性出发，选择绝对收益、相对收益与准确率对模型进行对比实验与收益评估。实验结果表明，所提模型具有可行性与实际应用价值。

• 单位
  河北工业大学; 经济管理学院