论文部分内容阅读
同辈群体算法是一种非监督学习方法,可以克服传统监督学习难以识别股市新模式的缺点。然而,当前股市同辈群体算法所学习到的同辈群体质量差,且算法没有预测能力。论文的主要工作如下:论证了基于亲密度生成同辈群体的PG算法不足,进而给出一种深度计算的同辈群体生成方法;首先计算目标股票和后选股票之间的波段相似性,进而基于亲密度、相关性和活跃度进行深度计算,生成目标股票的同辈群体,并证明了深度计算所生成的同辈群体质量显著优于PG算法。针对PG算法不具有预测功能,通过将AR模型与同辈群体算法相结合,提出一种基于同辈群