论文研究基于MPCARBF模型的证券市场指数时间序列预测.pdf

针对证券市场指数内部结构的复杂性和影响因素的高维性，提出基于MPCA-RBF（多线性主成分分析法—径向基神经网络）模型的证券市场指数时间序列预测方法。由于证券市场间存在关联性，选取了7个证券市场及34个技术指标构建三维张量模型，采用张量方法——MPCA进行特征提取，使降维的同时充分保留数据内部结构，之后利用RBF神经网络进行回归预测，提高了预测精度。对恒生指数和日经225指数的实验结果显示，与非张量模型相比，该模型预测误差较小，预测精度有较显著的提高，表明该模型能充分地保留证券时间序列内部结构，证明了其在证券预测领域的有效性和实用性。