论文部分内容阅读
针对当前智能算法对证券数据预测准确度不高,以及基于最小损失函数的模型树(Model Tree based on Least Loss Function,M TLLF)预测模型不适用于证券数据的预测的问题,本文提出基于最大离差分裂算法的模型树预测方法 (M odel Tree based on Deviation M aximization,M TDM)。使用两组包含完整牛熊市的沪深300指数日收盘价数据进行分组实验验证,得到的均方误差MSE(Mean Squared Error)分别为0.000058和0