| 基于结构修剪神经网络的股票指数预测模型* |
| |
| 作者姓名： | 孙彬 李铁克 张文学 |
| |
| 作者单位： | 1. 北京科技大学经济管理学院,北京,100083
2. 北京科技大学经济管理学院,北京100083;宁夏医科大学理学院,银川750004 |
| |
| 基金项目： | 北京科技大学博士研究生科研基金资助项目 |
| |
| 摘 要： | 股票市场是非线性系统,具有内部结构复杂性和外部因素多变性,在股市指数价格和成交量基础上,引入宏观经济指标共同构建模型预测指标体系,并分析各指标之间的长期均衡关系和因果关系。在贝叶斯分析的基础上,将代表网络复杂性的惩罚项引入模型误差函数中,并通过动态调整惩罚因子删减网络中对股票市场不敏感的隐层神经元,在保证模型泛化能力的同时实现网络结构精简。以上证指数为例,构建基于BP算法的结构修剪神经网络预测模型,在不同的预测指标体系下对股票市场运行规律进行学习,并对上证指数进行仿真预测。最后,通过与其他神经网络预测模型
|
| 关 键 词： | 股票指数预测 预测指标体系 BP算法 贝叶斯分析 网络结构修剪 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
