用前馈神经网络检验小数据量时间序列的混沌

利用BP神经网络的非线性函数逼近能力，对小数据，有噪声的时间序列计算最大李亚谱诺夫指数，从而判断该序列是否存在混沌现象，并将这一算法应用到深圳证券市场的深证综合的日收益率序列中，结果表明，深证综合的日收益序列不存在混沌现象。     

概率神经网络预测股票市场的涨跌

概率神经网络提供了一个贝叶斯决策，并且具有训练速度快，可以实时更换数据的优势，在金融领域的分析预测中有一定的应用价值，文章应用概率神经网络对上证180指数的变化方向进行了预测，结果表明了概率神经网络在预测股票市场涨跌方面的实用性。     

应用概率神经网络预测股市的方向变化

预测股票价格的方向变化是一个分类问题，可以有效的指导投资决策，获取投资利润。运用概率神经网络能够有效的进行模式识别，具有训练速度快，可以实时更新数据的优势，因此在金融时间序列的分析预测中有一定的应用价值。通过概率神经网络提供的贝叶斯分类器，应用概率神经网络作用原理，对上证180指数的变化方面进行了预测，结果表明了概率神经网络在预测股标市场的方向变化方面具有实用性。     

应用概率神经网络预测股市的方向变化

预测股票价格的方向变化是一个分类问题,可以有效的指导投资决策,获取投资利润。运用概率神经网络能够有效的进行模式识别,具有训练速度快,可以实时更新数据的优势,因此在金融时间序列的分析预测中有一定的应用价值。通过概率神经网络提供的贝叶斯分类器,应用概率神经网络作用原理,对上证180指数的变化方面进行了预测,结果表明了概率神经网络在预测股标市场的方向变化方面具有实用性。