【出 处】：《 计算机仿真 》 CSCD 2012年第1期 356-359页,共4页

【作 者】： 王玲

【摘 要】 研究证券市场预测中的股票价格预测精度问题，股票价格受到政治、经济、投资者心理等多种因素影响．股票价格波动较大，系统具有非线性复杂变化规律，单一预测模型只能反映股票价格变化时段信息，预测精度比较低。为了提高股票价格预测精度，提出一种组合模型的股票价格预测方法。首先分别采用ARIMA、GM、RBF神经网络对股票价格进行预测．然后通过权重值获得最优组合预测模型进行股票价格预测。结果表明，组合预测模型提高了股票价格预测精度，降低了预测误差，克服了单一预测模型在股票价格预测中的缺陷，为股票价格等非线性系统准确性预测提供了参考依据。