略论ANFIS在金融股指预测中的应用.pdfVIP

济向趣 2OO9年第l1期 略论 ANFIS在金 融 股指预测中的应用 刘 澄 ，张均东，孙 彬 (北京科技大学 经济管理学院，北京 100083) 摘 要：针对股价系统内部结构的复杂性、外部因素的多变性 ，分析 了自适应神经模糊系统，并对股市建立预测模型。 ANFIS是把神经网络和T—s模糊推理结合在一起的系统，从而克服了模糊理论不具备自学习能力和神经网络无法表达人类 自然语言的缺点。对金融股指进行预测，以最具代表性的上证指数为例，通过ANFIS算法仿真实验分析，表明了该算法能够有 效、可靠预测上证指数走势，并且能够将金融系统模糊规则明确，揭示金融系统运行模式。 关键词： 股票指数预测；模糊逻辑系统；自适应神经网络；T—S模糊推理 中图分类号：17830．91 文献标识码：A 文章编号：1004—972X(2009)11—0091—06 一 、概述 理论研 究已表明模糊推理系统是一种通用的逼近 模糊神经网络起源于20世纪80年代后期的 日本，受到 器 ，[7_8]即只要具有充分多可选择的模糊规则，模糊系统就 日本模糊神经网络成功应用的影响，欧美也从 2o世纪90年 可以任意指定的精度逼近任意函数。从本质上来说，模糊逻 代初开始模糊神经网络的研究，特别是由美国加州大学贝克 辑系统就是一个基于 IF—THEN规则的系统，模糊规则来源 莱分校的扎德教授领导的软计算创新小组 (BISC)在模糊理 于人类的学习。更准确地说，设计一个模糊系统是采用主观 论和模糊神经网络方面作出了杰出的贡献，_一62并极大地推 方式来表达设计者知识。然而，由于不存在一种正式和有效 动了模糊神经网络在世界范围内的研究工作。 的指示获取方式，划分输入空间和确定合适的规则数仍然是 模糊数学和模糊逻辑解决了智能系统中自然语言和人 尚未解决的问题。 类思维推理表达的数学化问题，使机器能模拟人脑感知、推 人工神经网络(ArtificialNeuralNetwork)是模拟人脑思维 理等智能行为；从功能上来说，模糊系统可以描述为一个函 方式的数学模型，它反映了人脑功能的基本特征，如并行处 数逼近器。更确切地说，是从函数中抽取出的样本数据中获 理信息、学习新事物、进行联想 、模式识别、事物分类、事件记 得逼近未知映射的方法。模糊推理系统的结构如图 1所示。 忆等。ANN最大特点是具有 自学习功能，从而使机器在具有 该系统包括4个基本单元：模糊化接 口、模糊推理、模糊规则 人类感知推理之外，又具备了另一部分智能行为——思维、 集和解模糊接 口。模糊化接 口是从实际输入空间到模糊空 学习、信息处理等功能。然而，ANN则是一个黑箱，不具有明 间的映射。模糊规则集是一系列的语言规则或条件语句。 确的物理意义，专家对研究对象的部分知识无法应用到神经 网络中。 将神经网络引入模糊系统，由于神经网络具有学习能力 和 自适应功能，其可 自动设计模糊系统时遇到的部分复杂的 智能性工作，诸如生成模糊规则、调整隶属函数等。模糊神 经网络具有明确的物理意义，专家知识能够很容易结合进入 神经网络中，并能提高收敛速度、缩短训练时间。模糊神经 图 1模糊推理系统结构图 网络不仅吸取了模糊逻辑和神经网络二者的优点，并且克服 收稿 日期：2009—09—04 作者简介：刘 澄(1967一