您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201504-352
论文题目 基于神经网络分位数回归及核密度估计的概率密度预测方法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 1

基于神经网络分位数回归及核密度估计的概率密度预测方法

首发时间:2015-04-22

闻才喜 1   

闻才喜(1986-),男,硕士研究生,神经网络分位数回归方法研究

何耀耀 1   

何耀耀(1982-),男,副教授,硕士生导师,主要研究方向:预测理论与方法。

陈录巧 2   
  • 1、合肥工业大学管理学院
  • 2、徽商银行六安分行

摘要:本文引入神经网络分位数回归和核密度估计方法,把神经网络强大的非线性自适应能力及分位数回归能更加细致刻画解释变量的优点结合起来,预测未来股票价格连续的分位数;然后运用核密度估计方法,实现未来股票价格连续概率密度曲线图。同时,利用获得的股票价格的概率密度曲线图得到未来股票价格最高概率点下对应的预测值,这样可以获得更高的股票价格预测精度。我们不仅可以获得预测当天股票价格概率密度值,同时也可以获得未来股票价格变化区间的概率密度值,这样可以为投资者在进行投资决策时,提供更多的定量依据和信息,这为投资者创造更大价值提供了帮助。

关键词: 股价预测; 分位数回归; 神经网络; 核密度估计; 概率密度

For information in English, please click here

Probability Density Forecasting Method Based on Neural Network Quantile Regression and Kernel density estimation

WEN Caixi 1   

闻才喜(1986-),男,硕士研究生,神经网络分位数回归方法研究

HE Yaoyao 2   

何耀耀(1982-),男,副教授,硕士生导师,主要研究方向:预测理论与方法。

CHEN Luqiao 3   
  • 1、School of Management,HeFei University of Technology
  • 2、School of Management,HeFei University of Technology
  • 3、Hui Merchants Bank Lu\'an Branch,Lu’an China

Abstract:This paper introduced the neural network quantile regression and kernel density estimation method toforecast stock price in the future, which combined the powerful nonlinear adaptive ability of neural network and the advantage of quantile regression descripting explanatory variables ; and then,using the kernel density estimation method obtains probability density curve of the future stock price. Meanwhile, the application of probability forecasting density curve gets the corresponding stock price at the highest probability point value, which can obtain higher prediction accuracy. We can not only obtain the day's stock price prediction probability density value, can also obtain the interval of the future value of the stock price changes. The method can provide more quantitative basis and value of information to investors when they make investment decisions with the help for investors to create greater value.

Keywords: Stock price prediction quantile regression neural network kernel density estimation probability density

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
闻才喜,何耀耀,陈录巧. 基于神经网络分位数回归及核密度估计的概率密度预测方法[EB/OL]. 北京:中国科技论文在线 [2015-04-22]. http://www.paper.edu.cn/releasepaper/content/201504-352.

No.4639198105160914****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于神经网络分位数回归及核密度估计的概率密度预测方法