共查询到20条相似文献,搜索用时 78 毫秒
1.
张扬武 《数字社区&智能家居》2009,5(1):208-209
股票市场是反映了经济运行的睛雨表,是市场经济融资的重要手段,对股票市场进行合理预测对金融市场的建设具有重要意义。时间序列预测方法体现了股价运行的长期趋势,股价短期技术调整是非线性关系,可以用神经网络分析。两者相结合的预测方法既考虑了长期行为又考虑了短期的资金行为,预测结果也更为准确。 相似文献
2.
模糊神经网络在时间序列预测中的应用 总被引:8,自引:2,他引:8
文中提出了将模糊聚类与梯度算法相结合的一种改进的训练模糊神经网络的混合型算法。模拟结果表明,模糊神经网络可以成功地用于时间序列的预测,模糊神经网络的训练速度与模拟精度都优于传统多层BP网络。 相似文献
3.
4.
基于时间序列的支持向量机在股票预测中的应用 总被引:1,自引:0,他引:1
由于股票预测是不确定、非线性、非平稳的时间序列问题,传统的方法往往难以取得满意的预测效果。本文提出一种基于时间序列的支持向量机(SVM)股票预测方法。利用沙河股份的股票数据,建立股票收盘价回归预测模型,该模型克服了传统时间序列预测模型仅局限于线性系统的情况。实验结果表明,该方法比神经网络方法以及时间序列方法的预测精度更高,可以很好的应用某些非线性时间序列的预测中。 相似文献
5.
Legender神经网络建模及股票预测 总被引:1,自引:0,他引:1
基于多项式逼近理论,将一组Legender正交多项式做为隐含层神经元的传递函数,再以其加权和函数做为神经网络输出,从而构成一种新型的三层多输入Legender神经网络模型;采用BP学习算法,通过对历史观测样本数据的训练,调整该神经网络的权值,建立非线性时间序列辨识模型,以此预测股票价格的变化.仿真实验表明,Legender神经网络具有优良的逼近任意非线性系统的特性,且学习收敛速度很快;深发展A股预测结果为:训练次数200,最大相对误差5.41%;深证成指预测结果为:训练次数120,最大相对误差4.17%. 相似文献
6.
7.
8.
基于神经网络的时间序列预测方法进展 总被引:10,自引:0,他引:10
首先对神经网络应用于时间序列预测的方法进行了详细的介绍。在此基础上与传统的预测方法进行了比较,接着概括分析了几种不同的神经和于预测的结果。指出由于神经网络独特的信息处理能力,使得它为一类高度非线性动态关系的时间序列预测提供了一条有效途径。最后,对神经网络在时间序列预测领域的进一下邮 相似文献
9.
一种新的时间序列分析算法及其在股票预测中的应用 总被引:4,自引:1,他引:4
分析了股票市场高度非线性的特点,给出了一种改进的时间序列分析算法。新算法利用径向基网络来对序列中的历史信息进行非线性组合,从而比基于线性组合的时间序列分析算法的基本模型更能有效地挖掘出序列中历史信息之间的相互作用。新算法还利用改进的遗传算法对径向基函数的中心和宽度进行了全局范围的优化选择,进一步提高了径向基网络的非线性映射能力。运用该算法对股票走势进行了预测,取得了令人满意的效果。 相似文献
10.
基于小波神经网络的混沌时间序列预测 总被引:1,自引:0,他引:1
本文提出了一种用小波神经网络进行混沌时间序列预测的方法,并介绍了小波神经网络的基本构造和学习算法。在此基础上,通过由Logistic方程产生的混沌时间序列对该网络进行模拟实验,证明了该神经网络具有较好的预测效果。 相似文献
11.
12.
基于RBF神经网络的时间序列预测 总被引:17,自引:0,他引:17
前馈神经网络在时间序列预测中的应用已得到充分地认可,一些模型已经提出,例如多层感知器(MLP),误差反向传播(BP)和径向基函数(RBF)网络等等。相对于其他前馈神经网络,RBF网络学习速度快,函数逼近能力强,因而在时间序列预测方面具有很好的应用前景。 相似文献
13.
文章介绍了一种基于进化式模糊神经网络时间预测系统,它是一种快速自适应的局部学习模型;进化式模糊神经网络是一个特殊类型的神经网络,它能通过进化其结构和参数来容纳新的数据。文章重点介绍了网络结构、学习方法及创建、修剪、聚合规则节点的算法;实验结果表明:模糊隶属函数的个数,规则的修剪和聚合等训练参数,与网络的行为和预测结果有很重要的关系。 相似文献
14.
Circular back-propagation neural network (CBP) put forward by Sandro Ridella and Stefano Rovetta, a generalized model of multi-layer perceptron (MLP), possesses strong capabilities of generalization and adaptation to unknown inputs. And they can flexibly construct vector quantization (VQ) and radial basis function (RBF) networks under the CBP framework. With the original structure of CBP remaining unchanged, in this Letter a more generalized network model ICBP (Improved Circular Back-Propagation Neural Network) was designed by adding an extensive node with quadratic form to the original CBP inputs and endowing fixed values to the weights between this node and all the hidden nodes. An interesting property of ICBP is that although it has less adaptable weights, it is better in generalization and adaptability than CBP. Moreover, in order to partially solve the problem of local minima, we adopt the method of adding controlled noise to desired outputs. Finally, ithas been proved by experiments that ICBP is better than CBP in the capabilities of forecasting and function approximation. 相似文献
15.
基于神经网络的非线性时间序列故障预报 总被引:4,自引:0,他引:4
对模型未知非线性系统, 将系统输出组成时间序列并通过空间嵌入的方法转化为一个离散动态系统. 利用线性 AR 模型拟合时间序列的线性部分, 用神经网络拟合时间序列的非线性部分并补偿外界未知的扰动, 提出了通过对状态的观测实现时间序列一步预测的方法. 利用滚动优化的思想将一步预测推广, 提出了时间序列的 N 步预测方法, 证明了时间序列预测误差有界. 通过对预测误差进行概率密度估计和检验, 提出了故障的预报方法. 对 F-16 歼击机的结构故障预报结果表明了方法的有效性. 相似文献
16.
17.
为使传统的时间序列预测适合于非线性系统的时间序列建模与预测 ,提出了一种改进的RBF神经网络 ,并采用该网络对混沌时间序列进行预测。通过实例计算 ,预测效果较好。 相似文献
18.
基于相空间重构理论与递归神经网络相结合的股票短期预测方法* 总被引:1,自引:0,他引:1
根据股票指数时间序列复杂的非线性特性,提出以相空间重构理论与递归神经网络相结合的股票短期预测新方法.以相空间重构理论确定最佳延迟时间和最小嵌入维数,以最佳延迟时间为间隔的最小嵌入维数作为递归神经网络的输入维数,并按预测相点步进递归的生成训练数据进行短期预测,提高了预测精度和稳定性.该方法应用于沪市股票综合指数预测,其结果与传统的单纯用BP网络模型预测的结果相比较,精度大大提高,证明了该预测模型和方法在实际时间序列预测领域的有效性和实用性. 相似文献
19.
Time Series Prediction and Neural Networks 总被引:6,自引:0,他引:6
Neural Network approaches to time series prediction are briefly discussed, and the need to find the appropriate sample rate and an appropriately sized input window identified. Relevant theoretical results from dynamic systems theory are briefly introduced, and heuristics for finding the appropriate sampling rate and embedding dimension, and thence window size, are discussed. The method is applied to several time series and the resulting generalisation performance of the trained feed-forward neural network predictors is analysed. It is shown that the heuristics can provide useful information in defining the appropriate network architecture. 相似文献