基于ELM和FOA的股票价格预测.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 基于ELM和FOA的股票价格预测 李 栋 ，张文宇 LIDong，ZHANG Wenyu 西安邮电大学 管理工程学院，西安 710061 SchoolofManagementEngineering，Xi’anUniversityofPostsandTelecommunications，Xi’an710061，China LIDong，ZHANG W enyu．StockpricepredictionbasedonELM andFOA．ComputerEngineeringandApplica— tions，2014，50 18 ：14—18． Abstract：ExtremeLearningMachine ELM isnotstableinpredictingstockprice．Toaddresstheproblem，thispaper proposesanImprovedFruitFlyofAlgorithm IFOA thatoptimizesELM byimprovingfruitfly．Inthealgorithm，fruitfly swarrnconstantlyadjustsitsradiustooptimizetheELM inputweightsandthresholdsofhiddenlayer，buildinganELM predictionmodelwiththeoptimizedresults．TheIFOA—ELM modelproposedinthispapercanbeappliedtopredicting stockprice．ComparedwithELM andFOA—ELM ，IFOA—ELM modelismoreaccurateandstableinpredictingstockprice． Keywords：stockprice；prediction；FuritFlyofA1gorithm F0A ；ExtremeLearningMachine ELM 摘 要：针对股票价格预测中应用极限学习机预测存在稳定性不理想的问题，提出了一种改进果蝇优化极限学习机 IFOA—ELM 预测模型的算法。在该算法中，果蝇群通过不断调整群半径来优化ELM的输入层与隐含层连接权值 和隐含层阈值，并以优化后的结果为基础，构建ELM预测模型。将 IFOA．ELM模型用于股票价格预测。实验表明， 与ELM和F0A．ELM相比，IFOA．ELM在股票价格预测中具有更高的预测精度和更好的稳定性。 关键词：股票价格；预测；果蝇优化算法；极限学习机 文献标志码：A 中图分类号：TP183 doi：10．3778／j．issn．1002．8331．1401．0037 1 引言 相比，ELM极大提高了网络的泛化能力和学习速度。但 大量研究表明，股票价格是一个动态的、非线性的 是 ，由于ELM存在随机给定左侧权值和隐含层阈值的 复杂系统，具有突发性、随机性和规律性等特点，传统线 缺陷，使得回归模型容易产生泛化性能不高与稳定性不 性模型已不适用于 日趋复杂化的股票价格研究。神经 理想等问题 。。 网络是一种对非线性数据具有 良好预测性能的工具，目 本文针对极限学习机稳定性不理想的问题 ，提出了 前已经成为股票价格预测的研究热点之一 。，但神经网 一 种基于改进果蝇优化算法的极限学习机股票价格预 络存在训练速度慢、参数寻优难、过拟合 、局部最优以及 测方法。该方法首先采用因子分析法综合股票价格的 隐含层节点数人为指定等问题，这些问题直接影响了股 各原始输入指标，消除指标数据之间的冗余，减少极限 票价格的预测精度 。 学习机的输入参数 ，这样做有助于提高极限学习机的学 为了克服神经网络存在的这些问题 ，Huang等提出 习效率 ；然后利用果蝇优化算法优化极限学习机的输入 了极 限学习机 ExtremeLearningMachine，ELM [5-6]o 层与隐含层连接权值和隐含层阈值 ，确定极限学习机预 ELM是依据摩尔一彭罗斯 MP 广义逆矩阵理论提出的 测模型的各个参数 ；最后使用优化得到的极限学习机预 一 种机器学习新算法，该算法仅通过一步计算即可解析 测模型对股票价格进行预测 ，并将预测结果与实际值进 求 出学习网络的输 出权值。同神经网络和支持向量机 行比较 ，验证模型的有效性。 基金项 目：陕西省 自然科学基金 No．2012GQ8050 ；陕西省教育厅专项科研计划项 目 No．13JK0403 ；西安邮电大学中青年基金 No．104—0410 。 作者简介：李