基于果蝇优化算法与灰色神经网络的基金买卖决策仿真.pdfVIP

基于果蝇优化算法与灰色 神经网络的基金买卖决策仿真 刊、研 (西北大学经济管理学院，西安 710100) 摘 要：运用最新优化算法的果蝇优化算法与灰色神经网络相结合改进预测精度，文章阐述果蝇优化算法 和灰色神经网络算法相结合的技术，并将其应用到基金买卖决策的过程 中，通过Matlab软件对结合算法的仿真 验证，结果表明此结合的算法比单一的灰色神经网络进行建模具有更好的效果和准确度。 关键词：灰色神经网络；果蝇优化算法；基金决策 中图分类号：F224．33 文献标识码：A 文章编号：1002—6487(2013)23—0057—02 z q()= ㈣(1)一 一+ ， 0 引育 GM(1，1)模型的时间响应序列为： 随着经济的迅猛发展，激发了人们进行投资的强烈需 z ‘0+1)=[z∞’(1)一 一+u，i=0，1，2，…，一1 (2) 求，从事基金买卖就成了资金投资的一个重要渠道。当前 式 (2)即为预测方程，此时可利用一次累减，得到 人们从事基金买卖做出决策时，更多地依靠以往的经验或 量㈣0+1)：叠q0+1)一叠n(f)=(1一 )(∞‘(1)一旦)P一 者依靠别人的介绍，缺乏科学决策的依据，基于这种现状， “ i=0，1，2，…，，z一1 (3) 本文提出一种结合算法，通过运用果蝇优化算法优化灰色 神经网络算法的三个参数来提高灰色神经网络的预测能 由GM(1，1)建模过程来看，GM(1，1)模型是一个具有典 型特点的趋势分析模型。由于灰色模型存在很多优点，因 力口1，从而为基金买卖的过程提供决策的依据。 此将灰色理论和神经网络模型结合起来分析问题，有极大 1 灰色神经网络 的优越性。 1．2 灰色神 经网络 将灰色建模方法和神经网络建模精度高的优点结合 1．1 GM(1，1)预测模型 灰色理论由邓聚龙教授提出埘，其预测模型GM(I，I) 起来，。利用BP神经网络残差修正的灰色系统，其修正的 的建模步骤如下： 具体步骤如下 ： (1)设定原始数据为 ())，i=1，2，…，，2，根据GM 设 时 间 序 列 有 7／个 观 察 值 ， ㈣ = k∞(1z∞’( …，z㈣())，通过叠 加生成 新序 列 (1，1)模型计算得 (f)，i=1，2，…，，因此设定i时刻的 ”‘ 原始数据z∞()同GM(1，1)模型计算值量。‘(f)的差作为i时 ： {z (1z‘(2…，z‘())，产 疗 列 (’的缆分．)亨程为： ，T、 刻的残差，记为P (f)。 dx+ ”‘ Ta l ： (1) (。()一z。(z)一叠o((f) g 其中式(1)中口为发展系