《基于改进极限学习机的股指期货集成预测模型分析案例》2800字.docxVIP

基于改进极限学习机的股指期货集成预测模型分析案例

基于改进极限学习机的集成预测模型基本原理

通过对于金融时间序列预测方面的历史研究的分析和总结，本文发现，对于股指预测的历史研究中，要么是只针对单一模态数据进行建模，通过模型挖掘单一模态数据所蕴含的信息，并进行股指预测。要么是多模态数据建立单一模型，但是单一模型并没有办法去很好的提取多模态数据的特征，往往单一模型只针对单一模态数据有更好的提取效果。因此本文基于多模态数据驱动综合集成方法论构建模型，该方法论主要由多模态数据提取、多模态数据驱动建模和综合集成三个模块构成[34]。

应用于本文的预测中，本文依据多模态数据驱动综合集成方法论，提出了综合集成的股指期货预测模型——基于CC-ELM的多模态数据驱动的期指预测模型，该模型主要由三部分组成：多模态数据提取、多模态数据驱动建模和综合集成。

多模态数据提取。数据提取包括期指历史时间序列数据，投资者关注度数据和新闻文本数据。其中结构化数据包括期指时间序列数据以及期指技术指标，非结构化数据则包括互联网搜索数据以及新闻文本数据。并根据前两节内容进行数据预处理。对于期指则划分好验证集和测试集，将交叉检验的数据集分别划分好，做好准备。互联网搜索数据则进行归一化处理。新闻文本数据按照分词-去词-对照-计算的流程计算出文本数据的情感分值，作为模型的输入以备验证模型有效性。

多模态数据驱动建模。分别对应前