Indexed by：
Abstract：
针对企业、事业单位的财务金融系统存在非线性、非平稳性与噪声大的特点,为提高财务金融长期趋势的预测准确率与可靠性,提出了一种基于粗糙集的财务金融时间序列预测算法。通过粗糙集的化简概念删除输入数据集的冗余信息,根据事实信息生成无噪声的决策规则。考虑到训练样本的时期远近对粗糙集模型的分类准确率存在影响,设计了加权调和的粗糙集模型,为时期久远的训练样本分配较低的权重,为时期较近的训练样本分配较高的权重,提高近期训练样本对粗糙集模型的贡献。此外,提出了基于时间加权调和的决策冲突方案。基于香港恒生指数的实验结果表明:相比原粗糙集模型与支持向量机模型,本算法获得了更高的预测准确率。
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
重庆理工大学学报(自然科学)
ISSN： 1674-8425
CN： 50-1205/T
Year： 2019
Issue： 05
Volume： 33
Page： 89-94
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
