量子粒子群优化神经网络集成股市预测模型研究.pdfVIP

广西科学GuangxiSciences2010，17(4)：324～327 量子粒子群优化神经网络集成股市预测模型研究 A Neural Network Ensemble Forecasting M odel Re。- search ofStock MarketBased on Quantum Particle Swarm Optimization 汪灵枝 ，罗朝晖。，韦增欣 ，赵秋梅 WANG Ling—zhi ，LUO Chao—hui。，WEIZeng—xin ，ZHAO Qiu—mei (1．柳州师范高等专科学校数学与计算机科学系，广西柳州 545004；2．广西大学数学与信息科 学学院，广西南宁 530004；3．百色学院数学与计算机科学系，广西百色 533000) (1．DepartmentofM athematicsandComputerScience，LiuzhouTeachersCollege，Liuzhou， 545004，China；2．CollegeofMathematicsand InformationScience，GuangxiUniversity，Nan— ning，Guangxi，530004，China；3．DepartmentofMathematicsandComputerScience，Baise University，Baise，Guangxi，533000，China) 摘要：利用量子粒子群优化神经网络集成个体 的网络结构和连接权值 ，对集成个体进行支持 向量机 回归集成 ，建 立一个新 的量子粒子群优化神经 网络集成股市预测模型 。新模型能有效提高神经网络集成系统 的泛化能力，易 操作 ，稳定性好 ，预测精度高，具有 良好 的应用前景 。 关键词 ：优化 股市预测 量子粒子群 支持 向量机 神经 网络 集成 中图法分类号 ：0224，TP18 文献标识码 ：A 文章编号 ：1005—9164(2010)04—0324—04 Abstract：A novelneuralnetwork ensemble forecasting modelbased on quantum particle swarm optimization(QPSO)wasproposed．TheQPS0 algorithm isusedtoevolveneuralnet— workarchitectureandconnectionweights，togeneratedifferentindividualofneuralnetwork． ThenSupportVectorMachineisusedforregression ensemble．Empiricalresultsrevealthat theprediction isgeneralization ability．The illustration and testing revealthattheensemble modelproposedcanbeusedasanalternativeforecastingtoolforstockmarketforecastingina— chievinggreateraccuracyandimprovingpredictionqualityfurther． Keywords：optimization，stockmarketforecast，quantum behavedparticleswarm optimization， supportvectormachine，neuralnetwork，ensembles 二十几年来 ，利用人工神经网络进行股市预测一 股市预测提供 了一个崭新 的研究思路 。Sun等 将 直是证券分析者关注的热点 ，取得了一定 的预测效 量子行为引入粒子群算法，利用量子测不准原理代替 果l】j。但是 由于缺乏严密的理论体系指导、爬坡能 牛顿力学来确定粒子的行 为，提出量子粒子群优化 力差、易过度拟合等不足使得网络学习系统的泛化能 (QPSO)算法。在 QPSO算法中，粒子能以一定概率