1. 研究目的与意义（文献综述包含参考文献）
文 献 综 述引言对于股票的价格预测是一个由来已久的话题，吸引的不仅仅是专家学者，还有甚多的投资者。
但是金融时间序列所具有的非线性、非平稳性等特点则极大加深了股票价格的预测难度。
时间序列的预测作为一种基于ARIMA模型的传统股票预测方法，即使过去了许久时间，总体效果依旧是不错的。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容、问题解决措施及方案
1.解决的问题：常用的股票价格预测方法有：随机时间序列预测方法、马尔柯夫预测法、神经网络预测方法、回归分析法、时间序列平滑法、趋势曲线模型法等。
然而，股市作为一种影响因素众多、各种不确定性交互的复杂系统，其价格波动往往表现出较强的非线性特征，要做出精准的预测，必须保证预测方法能够处理庞大的信息量，并具备一定的归纳推理能力，这也是传统方法用于股市预测效果不佳的主要原因。
针对这种问题，我决定利用集成方法，利用机器学习和时间序列相结合的方法，提高股票价格预测的精度。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
