資源描述：
《基于遺傳神經(jīng)網(wǎng)絡(luò)的工業(yè)股票指數(shù)預(yù)測(cè)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。
1、第18卷第6期湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)Vol.18,No.62004年11月JournalofHunanUniversity(SocialSciences)Nov.2004基于遺傳神經(jīng)網(wǎng)絡(luò)的工業(yè)股票指數(shù)預(yù)測(cè)謝冰,戴盛,謝科范(湖南大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院,湖南長(zhǎng)沙410079)[摘要]結(jié)合遺傳算法與倒傳遞神經(jīng)網(wǎng)絡(luò)進(jìn)行工業(yè)股票指數(shù)預(yù)測(cè),使用5個(gè)輸入變量:周成交額增減幅、周振蕩幅度、周漲跌幅、5日EMA波動(dòng)、DIF波動(dòng)值,并將下周漲跌幅設(shè)為輸出目標(biāo)進(jìn)行訓(xùn)練,以取得較理想的預(yù)測(cè)結(jié)果。
2、對(duì)于傳統(tǒng)上選擇適合的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)效率較低的問題,本文對(duì)于遺傳算法的引入大大提高了搜索到最優(yōu)結(jié)構(gòu)的速度。[關(guān)鍵詞]神經(jīng)網(wǎng)絡(luò);遺傳算法;股指預(yù)測(cè)[中圖分類號(hào)]F83[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]10081763(2004)06005906ForecastofIndustrialStockIndexBasedonNeuralNetworkandGeneticAlgorithmXIEBing,DAISheng,XIEKefan(SchoolofEconomicsandTrade,Hu
3、nanUniversity,Changsha410079,China)Abstract:Thisessayintegratesgeneticalgorithmandback-propagationneuralnetworktoforecastindustrialstockindex.Weuse5weeklyvariablesasinputswhicharetradingvolumeincrease,maximumindexvaluechangingrate,closingindexvalu
4、echangingrate,EMAandDIFvaluechanges,andsettheclosingindexchangerateofnextweekastheoutputtargettotraintheneuralnetworkinordertogetagoodresult.Traditionally,theselectionofanoptimalneuralnetworktopologyisnotefficient,thisessayusesgeneticalgorithmtoassist
5、selectingneuralnetworksandimprovestheefficiency.Keywords:neuralnetwork;geneticalgorithm;stockindexforecast在的關(guān)聯(lián)存在,然而單憑個(gè)人的記憶來評(píng)斷,不但不易掌握出其中的關(guān)聯(lián)性,而且更易流于主觀,所以多一引言數(shù)的研究部門都會(huì)使用計(jì)算機(jī)來作為投資決策的輔助工具,因此各種預(yù)測(cè)方法不斷地出現(xiàn),例如:時(shí)間股票市場(chǎng)是一個(gè)常被研究的復(fù)雜系統(tǒng),它的波序列分析、ARIMA、模擬法、試誤法、專家系統(tǒng)等。動(dòng)
6、是受許多因素影響,如國(guó)家政策、投資者心理狀這些方法也更具有理性客觀的判斷,甚至可以與計(jì)態(tài)、經(jīng)濟(jì)環(huán)境等。由于影響因素本身具有復(fù)雜與多算機(jī)連接,直接進(jìn)行判斷并決策買賣,以減少人為的樣性,所以股價(jià)的趨勢(shì)也非常復(fù)雜不易預(yù)測(cè)。錯(cuò)誤。在眾多輔助工具中,以神經(jīng)網(wǎng)絡(luò)最為特別,神在眾多復(fù)雜系統(tǒng)中,股市的信息是最可能公開經(jīng)網(wǎng)絡(luò)是一個(gè)具有學(xué)習(xí)能力的系統(tǒng),此系統(tǒng)會(huì)接收取得的,畢竟投資理財(cái)已成為大眾生活的一部分,投外在信息而修改系統(tǒng)中的神經(jīng)元,亦即具有學(xué)習(xí)的資相關(guān)話題充斥于各類媒體。而科技的發(fā)達(dá),也使效果,能針對(duì)不同的情形進(jìn)
7、行修正,有新的信息時(shí),得人們解決問題的方式不再只是單憑過去的經(jīng)驗(yàn),網(wǎng)絡(luò)也能加以學(xué)習(xí),以建構(gòu)出合適的網(wǎng)絡(luò)。尤其是瞬息萬變的股票市場(chǎng),過去與未來之間有潛本文正是希望能夠應(yīng)用類神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與容[收稿日期]2004-08-31[基金項(xiàng)目]國(guó)家自然科學(xué)基金資助項(xiàng)目(70273033)[作者簡(jiǎn)介]謝冰(1968),男,湖南長(zhǎng)沙人,湖南大學(xué)經(jīng)濟(jì)與貿(mào)易學(xué)院副教授,武漢理工大學(xué)管理科學(xué)與工程博士后,研究方向:創(chuàng)業(yè)管理與投資銀行理論.60湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)2004年錯(cuò)能力來幫助投資人面對(duì)股市瞬
8、息萬變的不確數(shù)f對(duì)應(yīng)著轉(zhuǎn)換函數(shù),本文使用sigmoid轉(zhuǎn)換函數(shù):定性時(shí)作出正確判斷。1f=。-x1+eiji二神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介至于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過程,理論上分為兩種:一種是無監(jiān)督式學(xué)習(xí),即不定義輸出,由網(wǎng)絡(luò)根據(jù)要解(一)神經(jīng)網(wǎng)絡(luò)的理論與應(yīng)用決的問題特征對(duì)輸入數(shù)組進(jìn)行分類;另一種應(yīng)用更神經(jīng)網(wǎng)絡(luò)模型是反映并行處理理念的人工結(jié)為廣泛與普及的有監(jiān)督式學(xué)習(xí),網(wǎng)絡(luò)通過測(cè)試輸入構(gòu)。傳統(tǒng)的用于分析數(shù)據(jù)集的線性模型是基于因素與目標(biāo)輸出而隨著學(xué)習(xí)過程逐漸減少錯(cuò)誤與離差。影響機(jī)制,即需要
