【出 处】：《 计算机仿真 》 CSCD 2012年第1期 348-351页,共4页

【作 者】： 赵焕平 ; 张凌晓 ; 杨新锋

【摘 要】 研究股票价格准确预测问题，股票价格变化具有非线性、时变性，且含有噪声，单一或传统线性预测模型不能全面反映其变化规律，预测精度低，误差大。为了提高股票价格预测精度，提出一种组合的股票价格预测模型（CAR—BPNN）。首先采用主成分分析对股票价格数据进行预处理，消除噪声，然后采用CAR对线部分进行预测，BPNN对非线性部分进行预测。采用熵值法确定CAR和BPNN对预测结果进行组合，获得股票价格的最终预测结果。通过股票价格实际数据对CAR—BPNN进行测试，测试结果表明，CAR—BPNN充分利用两种模型的优点，比单一模型的预测精度更高，可以为股票价格精确预测提供依据。