51、高效混合GA - PP策略与中文文档分类降维方法

高效混合GA - PP策略与中文文档分类降维方法

1. GA - PP策略在股票市场预测中的应用

股票市场系统是最活跃且交互最复杂的经济系统之一，受多种可变因素影响，预测难度极大。而GA - PP技术为股票市场预测提供了一种有效的解决方案。

1.1 GA - PP模型与其他模型的比较

在对上证综指的21个技术指标进行预测时，使用了GA - PP、SA和SLR三种非线性模型。从相关表格和图表中可以看出，GA - PP模型在预测趋势和准确性方面明显优于SA和SLR模型。具体如下：
- SA模型 ：简单等同于50个集成个体，未对个体值进行优化。
- SLR模型 ：是50个集成个体的回归，选取对集成有显著影响的因素，以最小平方误差和优化集成个体值，结果优于SA模型。
- GA - PP模型 ：运用投影寻踪技术结合遗传算法对50个集成个体进行降维，再用逻辑曲线回归建立集成模型，最大程度提取集成个体信息，且逻辑曲线回归对系统具有更好的稳定性，因此结果优于SLR模型。对上证综指收盘价建模的结果也表明，GA - PP模型优于SA和SLR模型，体现出其良好的学习和泛化能力，在股票市场预测中准确且稳定。

1.2 GA - PP方法的特点

• 降维与信息提取 ：股票市场波动因素复杂，难以确定关键因素，建立高精度预测模型并非易事。GA - PP方法对多个技术指标进行降维，提取影响股票市场的主要信息，避免维度灾难。直接观察数据和计算机优化客观上更优，可降低神经网络输入矩