基于秃鹰搜索算法和极限学习机的股票价格预测模型

近年来，股票价格预测受到学者的广泛关注。然而，股票市场中存在许多相互关联的因素，预测股票的价格是一项具有挑战性的任务，需要一个完整而高效的特征选择过程来确定包含信息量最大的特征因子，并使用科学的模型利用特征因子中包含的信息来达到准确预测的目的。基于此，文章提出基于秃鹰搜索算法的特征选择方法，并使用极限学习机挑选出来的特征构建股票价格预测模型来预测股票收盘价格，即基于秃鹰搜索算法和极限学习机的股票价格预测模型（BES-ELM）。为验证模型的优越性，文章从上证50挑选出5只股票，并计算其28个特征来作为样本数据。研究结果表明：相对基于粒子群算法的模型，文章提出的模型具有更明显的优越性。