首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 93 毫秒
1.
本文探讨了神经网络模型在股票预测上的应用,通过建立BP网络模型对上证指数进行了预测分析。实验证实了BP模型用于股指短期预测的准确性和可行性。  相似文献   

2.
本文探讨了神经网络模型在股票预测上的应用,通过建立BP网络模型对上证指数进行了预测分析。实验证实了BP模型用于股指短期预测的准确性和可行性。  相似文献   

3.
对具有时间属性的数据进行数据挖掘称为时态数据挖掘,用以发现数据在时间上的知识,当数据变化不规律时,如股票交易数据,就很难发现有价值的规律与规则。而神经网络具有并行、容错、可以硬件实现以及自我学习的优点,可作为股票分类预测应用的一种方法。通过将股票数据与时态型相结合,将股票数据转换成时态型股票数据,提出时态神经网络模型的分类方法,对收集的若干上市公司十年内的股票数据进行分析,构建了时态股票数据神经网络分类器对股票进行分类预测。经过实验验证,相比改进前的神经网络和支持向量机方法,该分类器具有更高的分类准确率。结果证明,这种时态数据神经网络模型对于多只股票的分类预测是非常有效的,可以很好地运用到股票市场的分类预测中。  相似文献   

4.
5.
针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题,采用贝叶斯正则化(Bayesian Regularization,BR)算法改进传统BP神经网络模型。该算法在保证网络误差最小的前提下,通过历史数据的先验概率调整BP模型的适应度函数,使网络的泛化能力得到提升。在股票时间序列预测的实证性研究中表明,比传统BP模型在预测精度上提高42.81%。  相似文献   

6.
BP神经网络在股票预测中的应用   总被引:2,自引:0,他引:2  
介绍了时间序列和BP神经网络算法,并给出信号正向传播和误差反向传播的公式,在此基础上运用BP算法对股票时间序列短期的走势进行预测分析.实验结果表明此方法效果良好,识别率高,具有一定的实用价值.  相似文献   

7.
股票预测在金融领域是一个重要的课题。LAMSTAR是一个用于存储、识别、比较和决策的网络系统。本文尝试开发一个关于短期股票预测的LAMSTAR网络应用程序,每一次预测都会从历史数据里获取股票特征,然后输入LAMSTAR网络。网络会自动检测各特征之间的多维非线性关系并编码,然后根据预测的趋势进行交易。本文提供了三个公司的预测结果,该预测结果非常有效。  相似文献   

8.
基于神经网络的股票中期预测   总被引:1,自引:0,他引:1  
本文给出了一种基于BP神经网络的股票市场建模、预测以及决策方法.应用神经网络进行股票中期预测,输入数据的复杂性给网络训练效率和预测精度造成了显著的负面影响.我们应用模糊曲线分析法进行了输入变量的筛选,该方法主要是用来压缩输入数据的维度,发现影响产出变量的重要因素.它通过求相关度,贡献弹性,根据样本点拟合样本曲线,最后选取出影响变量的重要因素.结果表明,经该方法处理后的数据输入神经网络不仅减少了输入数据量,使训练时间减少,运算速度提高,而且预测精度有了明显的改善.  相似文献   

9.
BP神经网络在股票预测中的应用研究   总被引:5,自引:1,他引:5  
分析研究了BP算法,并提出了一些相应的改进措施.将改进的BP算法应用于股票数据分析,即利用BP网络很强的非线性映射功能,模拟影响股票的相关因素与股票开盘价、收盘价之间的关系,建立了基于BP神经网络的股票预测系统.用2004年的沪市证券数据进行了验证,结果表明此方法不仅收敛速度快、预测精度高,而且具有一定应用价值.  相似文献   

10.
小波神经网络采用传统BP算法,存在收敛速度慢和易陷入局部极小值两个突出弱点。本文建立了基于遗传算法的小波神经网络股票预测模型GA-WNN。该模型结合了遗传算法的全局优化搜索能力以及小波神经网络良好的时频局部特性。运用MATLAB对拟合和预测过程进行仿真。结果表明,该模型能有效地提高预测精度,避免了BP算法固有缺陷。  相似文献   

11.
股票价格受多种因素的综合影响,具有趋势性、较大波动性和随机性等变化特点,单一模型难准确对其变化规律进行准确描述,将灰色理论和BP神经网络相结合构建一种股票价格组合预测模型。采用灰色GM(1,1)预测模型动态预测股票价格变化趋势,运用BP神经网络对灰色GM(1,1)模型预测结果进行修正,以提高股票价格预测精度。采用ST东北高(600003)股票价格对预测模型性能进行测试,结果表明,组合预测模型提高了股票价格的预测精度,更能挖掘股票价格变化规律。  相似文献   

12.
在灰色Verhulst模型和BP神经网络理论的基础上,对两者的结合方式进行了研究,提出了部分数据Verhulst模型组的概念,得到了一种结合灰色Verhulst与BP神经网络的组合预测模型。利用BP神经网络建立部分数据Verhulst模型组与原始数据之间的非线性映射关系,克服了小样本时间序列数据在神经网络训练时的缺陷。实验结果和仿真验证表明,该组合预测模型具有较高的预测精度和良好的稳定性。  相似文献   

13.
在分析GM(1,1)模型的建模机理的基础上,指出了传统建模方法的不足,即发现了预测数据序列中的第一点的值并不能用原始数据序列中第一点的值来代替,因为存在误差,同时给出了误差项的一般表达式,然后基于BP神经网络对误差项进行优化模型。结果表明,该模型拟合误差小,预测精度高。  相似文献   

14.
如何在满足服务需求与市场需求的同时降低企业的投资,变成了一个电信企业必须面对的问题。基于神经网络的电信计划分析预测,可以综合考虑许多对电信计划有影响的因素,比如:产品消费量,服务质量,用户数量,设备性能,收入,投资等等。结合真实的电信计划预测情况,给出了计划预测神经网络模型,并以一个城市的电信计划预测的真实情况为例,验证和分析了预测模型较高的精确性与有效性。  相似文献   

15.
Pang  Xiongwen  Zhou  Yanqiang  Wang  Pan  Lin  Weiwei  Chang  Victor 《The Journal of supercomputing》2020,76(3):2098-2118
The Journal of Supercomputing - This paper aims to develop an innovative neural network approach to achieve better stock market predictions. Data were obtained from the live stock market for...  相似文献   

16.
Neural Computing and Applications - Recently, artificial intelligence technologies have received considerable attention because of their practical applications in various fields. The key factor in...  相似文献   

17.
Elman神经网络在短期预测股市收盘价时存在预测趋势良好但准确度较低的问题。在Elman神经网络的思想上提出以经验模态分解EMD为基础的Elman新组合模型。应用EMD将各交易日的收盘价序列分解成不同时间尺度上的本征模函数IMF分量和剩余分量,进而利用偏自相关函数PACF计算每一个分量的滞后期,以确定各分量在Elman神经网络中的输入和输出变量,从而得到各分量的预测值,相加得到最终的预测结果。与EMD单一网络、EMD-Elman模型、BP网络及EMD-BP模型进行实验对比,结果表明:该短期预测模型的预测值均方误差、平均绝对误差和平均绝对百分比误差都得到较大的改善;新组合模型可有效实现对股票收盘价的短期预测,且能降低非平稳性对预测结果的影响。该研究为进一步预测股市的走向提供了有效依据,也为投资者提供了更充分的决策参考。  相似文献   

18.
基于主成分的遗传神经网络股票指数预测研究   总被引:10,自引:3,他引:7       下载免费PDF全文
数据预测在金融投资领域占有重要地位,预测中输入变量的选取影响着预测的速度和精度,传统方法选取输入变量主观性较强,预测效果欠佳。将遗传算法与BP网络结合,利用GA的全局搜索优化BP网络的结构参数,有效克服BP算法的局部收敛等问题。使用主成分分析法选取输入变量,并将GA—BP混合建模应用于沪市综合指数预测中。实验结果表明,该方法改善了预测精度,达到了较好的预测效果。  相似文献   

19.
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  相似文献   

20.
分式过程神经元网络在网络流量预测中的应用   总被引:1,自引:0,他引:1  
为更好解决网络流量预测问题,依据函数逼近论中分式的函数逼近性质和拟合能力要远远大于线性函数的性质,以及过程神经元网络对时变函数的非线性变换能力,提出一种分式过程神经元网络模型及其学习算法。实验结果证明,该网络模型对具有奇异值过程函数的柔韧逼近性质和在奇异值点附近区域反应的灵敏性优于一般过程神经元网络,以网络实测数据对模型进行训练和流量预测,取得了较好的应用效果。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号