BP网络、RBF网络与Elman网络在股价预测中的应用.pdfVIP

翁苏骏 林熙 集美大学基础部．厦门361021 摘要 券市场中的股价预测，实验研究结果显示反馈网络比前馈网络的预测能力好。 关键词 神经网络，股价，预测 The ofBack Basis Network，Radial ApplicationPropagation ElmanFeedbackNetwork FunctionNetworkand inthe ofStockPrices Forecasting Linxi Sujun Weng Courses，Jimei 361021 Dept．ofBasic University,Xiamen ismade theBack Basis AbstractThe Propagationnetwork(BP)，RadialFunction(RBF) forecastingbyapplying simulationresultsshow networkandElmanfeedbacknetwork tothe atthestockmarketOur respectivelyprices thatthe data forwardnetworkisbetterthanthat feedbacknetwork forecastingusing ofusing wordsNeuralNetwo№Stock Key Prices．Forecasting 1 引言 几乎在社会科学和自然科学的各个领域中都会遇到时间序列。我国经济领域中存在大 量的数据资料需要进行分析处理，用于进行预测和决策，因此研究探索有效的时序预测方 法很有必要。现实经济系统是一个极其复杂的非线性系统，客观上要求建立非线性时序预 测模型。数学上能够证明，人工神经网络可以模拟复杂的非线性系统【I‘2】，这意味着神 经网络可以逼近那些刻画了样本数据规律的函数，而不论这些函数具有什么样的形式，且 所考虑的系统表现的函数形式越复杂．神经网络这种特性的作用就越明显。概括地说，神 经网络主要包括有两种，前馈神经网络和反馈神经网络。目前比较多的是采用多层前馈神 经网络作为时序预测模型。前馈神经网络没有反馈连接．没有动态记忆，本质上是一个非 福建省自然科学基金资助项目(F9810013) 一205一 线性静态映射网络，因此在表示一个动态系统时需采用延时的方法，通过将各个过去值同 时输入给网络学习而将系统在时域中的动态行为转换成静态映射问题。而反馈阿络的输入 与网络内部状态的当前值和过去值都有关，是一种动态网络，无需采用延时的方法。本文 利用前馈网络中的BP网络和RBF网络(径向基函数网络)及反馈网络中的Elman网络， 对股市投资中的个股价格进行预测，并比较预测结果。 2神经网络结构 2．1多层前馈神经网络 多层前馈神经网络又称为BP(Back 结构，这种神经网络模型的特点是：各层神经元之间无反馈连接，各层内神经元之闻无 任何连接，仅相邻层神经元之间有连接。 BP网络通常有一个或多个隐层， x