基于分段线性表示和高斯过程分类的股票转折点概率预测

来源：计算机应用杂志2015年第8期北京时间：

作者：李丰, 高峰, 寇鹏

单位：1. 西安交通大学 系统工程研究所, 西安 710049;2. 西安交通大学 电气工程学院, 西安 710049

摘要：针对股票交易过程中价格转折点的预测问题,提出了一种基于分段线性表示(PLR)与高斯过程分类(GPC)相结合的股票价格转折点预测算法PLR-GPC。该算法通过PLR提取股票历史价格序列的转折点,对转折点进行分类标记,建立基于GPC的股票价格转折点预测模型,以上述股票历史价格序列对模型进行训练,最终由预测模型对股票价格转折点进行预测,并对预测结果进行概率解释。将PLR-GPC与基于BP神经网络(BPN)的PLR-BPN算法、基于加权支持向量机支持向量机(WSVM)的PLR-WSVM算法进行实验对比:PLR-GPC在预测准确率上高于PLR-BPN与PLR-WSVM;在投资收益率上高于PLR-BPN,与PLR-WSVM持平。实验结果表明PLR-GPC在股票价格转折点的预测上是有效的,并且可以应用在实际股票投资交易中。

关键词：分段线性表示,高斯过程分类,股票交易信号,概率预测,投资策略,风险偏好

基金资助：国家自然科学基金资助项目(61221063,U1301254,61473218);国家863计划项目(2012AA011003);国家"111引智计划"项目。