[发明专利]一种市场价格走势预测方法

摘要

本发明公开了一种市场价格走势预测方法，包括以下步骤：初始化、对上一个数据块进行标记、在上一个数据块上训练新分类器、用上一个数据块增量训练已有分类器、求取分类器权重、对所有分类器输出融合得到最终预测、修正分类器集合、输出新的价格走势预测。本发明具有以下有益效果：1)综合考虑多种因素对市场价格走势进行实时预测，2)采用多种分类器进行融合具有较高的准确度与较强的稳定性，3)利用增量学习提高了所有分类器的适应性。

主权项

1.一种市场价格走势预测方法，其特征在于，具体包括以下步骤：步骤一：初始化：令分类器集合C为空集，人工设置C的元素数量上限M，M为大于1的整数；步骤二：如果存在上一个数据块S，则对其进行标记，即为样本si∈S分配一个标记yi，得到标记后的数据块L＝{li＝(si,yi),i＝1,2···,|L|}，标记内容包括：陡降、缓降、持平、缓升、陡升；步骤三：在L上训练一个分类器C′，求该分类器C′的权重其中表示L中标记的分布；步骤四：用L增量训练中的所有分类器；步骤五：对中的每个分类器C_j，求取其权重方法如下：其中，表示分类器C_j将样本s_i预测为y_i的概率，|S|为S中样本个数；步骤六：等待新数据块的到来，如果到来，对其每个样本进行预测，方法如下：首先计算集成分类概率向量其中，表示样本输入到分类器C_j中输出的置信度向量，该向量之和为1；然后选取中最大值对应的类作为的最终预测；步骤七：令如果中的分类器数量大于M，则求取可被替换分类器并令其中的求取方法如下：其中，γ取大于0的实数；d(·,·)为多样性系数；步骤八：重复步骤二至七，即可实现新进数据块的预测与分类器的修正。