【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第1期 293-296页,共5页

【作 者】： 杨振舰 ; 夏克文

【摘 要】 在新股上市价格的科学优化预测问题的研究中，由于金融数据复杂，特别是新股价格存在极强的无序性。传统股票价格预测方法只能采用线性变化规律进行准确预测，无法对非线性股票价格进行有效建模，降低股价预测精度。为了提高股票价格预测精度，提出一种高斯过程回归的新股上市价格预测模型，通过提取影响新股上市价格形成的指标因素，用其训练纳斯达克（NASDAQ）新股上市价格的历史数据，以粒子群算法优化高斯过程的超参数来预测新股上市价格。将8家公司的上市股票作为实例进行分析，预测结果表明，高斯过程回归的方法提高股票价格预测精度，能够有效地适用于新股上市价格预测。