马致远
- 作品数：4 被引量：2H指数：1
- 供职机构：成都理工大学工程技术学院更多>>
- 发文基金：四川省教育厅科学研究项目更多>>
- 相关领域：理学自动化与计算机技术更多>>
- 基于股票预测模型LSTM的降维比较
- 2025年
- 量化模型是投资者挑战股票动态预测的核心之一,原始LSTM(长短期记忆网络)股票预测模型由于输入的数据存在噪声,干扰了预测效果。针对影响股价的因子有259项指标,先用降维方法对输入数据进行降维,保留了关键信息,再输入LSTM,组成改进的预测模型,即PCA-LSTM(主成分分析-长短期记忆网络)模型、ISOMAP-LSTM(等距映射-长短期记忆网络)模型与PCA-ISOMAP-LSTM模型。通过实证对比,相较于原始LSTM预测模型和注意力机制模型(MHA-LSTM),PCA-LSTM模型与ISOMAP-LSTM模型减少了训练时间,预测误差评估指标中平均绝对误差(MAE),平均相对误差(MAPE),均方根误差(RMSE)都有显著降低,平均涨跌准确率(ARRF)有显著提高,但PCA-ISOMAP-LSTM模型误差率有所增长,准确率有一定降低。Diebold-Mariano检验也表明,PCA-LS TM模型、ISOMAP-LSTM模型股票预测能力都强于原始LSTM模型和MHA-LSTM,而PCA-ISOMAP-LSTM模型和MHA-LSTM模型均比原始LSTM模型预测能力弱,PCA-LSTM与ISOMAP-LSTM两种模型预测精度差异不显著,都可作为股票量化投资的一种新的技术支持。
- 马致远
- 关键词：降维主成分分析股票预测
- 多叶解析函数族子类的一些结果(英文)
- 2014年
- 本文研究了在单位开圆盘U={z：｜z｜〈1}内多叶解析的函数族G＊p,c（a,b,σ）的性质.利用函数论的方法,获得了G＊p,c（a,b,σ）族相关的准哈达玛乘积的一般化结果及G＊p,c（a,b,σ）的极值点与支撑点.推广了先前相应的一些研究工作。
- 熊良鹏韩红伟马致远
- 关键词：解析函数多叶函数极值点
- tan(φ(ξ)/2)-展开法和立方非线性Schrödinger方程精确解被引量：1
- 2021年
- 利用tan(φ(ξ)/2)-展开方法,并借助符号计算系统-Maple,构造了立方非线性Schrödinger方程的多种精确解,其中包括一些新的结果.同时,说明此方法构造非线性偏微分方程精确解非常有效.
- 马致远马志民
- 关键词：精确解
- 扩充非线性积分算子的一些结果被引量：1
- 2016年
- 定义了一般化解析函数族非线性积分算子F_(β_1,β_2,a,b)^(γ,α_1,α_2)(p1,p2)(z),其中,p1(z)和p2(z)为单位开圆盘内解析函数.研究给出当p1(z)和p2(z)从属于分式线性变换时对应积分算子的单叶性充分条件及λ(0≤λ≤1)阶凸性半径.进一步,通过赋值特殊的函数,列举一些扩展的应用结果.
- 马致远熊良鹏
- 关键词：单叶函数凸函数积分算子从属
