基于DAE-BP神经网络的股票预测研究

来源：计算机工程与应用杂志2019年第3期北京时间：

作者：邓烜堃1，2，万 良1，2，黄娜娜1，2

单位：1.贵州大学 计算机科学与技术学院，贵阳 550025；2.贵州大学 计算机软件与理论研究所，贵阳 550025

摘要：股票指标数据种类多、维度高，且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格，首先构建了基于受限布尔兹曼机的深度自编码器，实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型。实验结果表明，深度自编码器提取特征的能力优于主成分分析法和因子分析法；相比较使用降维前的数据，使用编码后的数据用预测股票价格，模型可以减少计算开销，并且获得更高的预测精度。

关键词：深度自编码器,受限布尔兹曼机,BP神经网络,股票预测