论文部分内容阅读
股市数据无时无刻不在变化，然而带有明显的时序性。从直观上说，数据值的变化直接受到时间参数的影响，因此直接利用原始数据不仅简单明了，而且容易发现数据瞬时变化的特性。本文阐述了经验模态分解（EMD）方法的原理和思想，利用经验模态分解方法在提取数据时存在的优势，解决了在股票预测时由于数据量大不利于判断股票走势的问题。我们把经验模态方法和多层反馈神经网络FP算法相结合对现实中的股票数据进行相似模式匹配，简化股票趋势预测的复杂性，为股市的预测提供了一种简单有效的方法。