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 201712-98
论文题目 基于多矩阵辅助张量分解对股票市场预测的研究
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!


  • 0

基于多矩阵辅助张量分解对股票市场预测的研究

首发时间:2017-12-07

张耘嘉 1   

张耘嘉(1993-),女,硕士研究生,机器学习

张熙 1   

张熙(1983-),男,讲师,硕士生导师,研究方向:数据挖掘

  • 1、北京邮电大学可信分布式计算与服务教育部重点实验室,北京 100876

摘要:随着人们生活水平和观念的提升,投资受到广泛的关注。同时伴随着互联网时代的到来,获取信息的方式变的多元化。金融机构已经不仅仅只利用传统的量化数据进行投资分析,而是开始利用大数据舆情分析、人工智能等方式进行投资预测的研究。因此,近几年基于社交网络、多源数据融合对股票市场的研究也成为一个热门话题。本文是利用张量将来自于财经网站的新闻报导、社交网络的股民情感和传统金融量化据融合,提出一个基于双矩阵辅助张量分解的模型对股票市场波动进行预测,以便投资者更好地选择股票的买卖时机。其中,由股票关联矩阵与公司财报量化特征组成的双辅助矩阵解决了张量数据稀疏问题,同时张量的融合方式捕捉不同维度信息的潜在关系。最终把提出的模型在2015、2016年CSI100中的股票进行实验,并与其他股票预测的相关模型进行比较,证明本文提出模型的有效性。

关键词: 社交网络 股票关联性 张量分解 股票预测

For information in English, please click here

Research on Stock Market Prediction via Coupled Matrix and Tensor Factorization

ZHANG Yunjia 1   

张耘嘉(1993-),女,硕士研究生,机器学习

ZHANG Xi 1   

张熙(1983-),男,讲师,硕士生导师,研究方向:数据挖掘

  • 1、Key Laboratory of Trustworthy Distributed Computing and Service(BUPT), Ministry of Education, Beijing, 100876

Abstract:With the improvement of people\'s living standards and perception, investment has been widely paid attention. Meanwhile, with the advent of the Internet ero, the way to obtain information gets diversified. Financial institutions have not only used traditional quantitative data to carry out investment analysis, but began to use big data analysis, artificial intelligence,etc. to make investment predictions.Therefore, research on the stock market has become a hot topic in recent years based on social network and multi-source data fusion. For the purpose of investors\' better decision on stock trading,the paper utilizes the tensor to integrate the heterogeneous data,including financial Web news, public affection from social network and some quantitative data on stocks and proposes a coupled matrix and tensor factorization model to predict the stock price volitation.The stock quantitative feature matrix and the stock correlation matrix as auxiliary matrices are constructed to solve the problem of sparsity. And the intrinsic relationship among different information dimensions can be captured via the tensor.Eventually, the results of experiments on the dataset CSI100 stocks in the year 2015 and 2016 are compared with other approaches to forecasting stocks in order to demonstrate the effectiveness of the proposed model.

Keywords: social network stock correlation tensor decomposition;stock forecasting

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
张耘嘉,张熙. 基于多矩阵辅助张量分解对股票市场预测的研究[EB/OL]. 北京:中国科技论文在线 [2017-12-07]. http://www.paper.edu.cn/releasepaper/content/201712-98.

No.****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

基于多矩阵辅助张量分解对股票市场预测的研究