基于前馈型神经网络股价预测的一点改进.docVIP

基于前馈型神经网络股价预测的一点改进 　　摘要为减小预测误差， 目前 的 方法 是：选择对股价有显著 影响 的输入变量、调整 网络 结构及选择合适的参数、优化 学习 算法，这些方法都是以实际股价作为网络的预测。提出以相邻两天的股价差价作为网络的预测，在相同的数据上分别建立股价预测模型和股价的差价预测模型，并对它们的结果进行对比 分析 。结果表明差价预测模型的预测误差小、预测效果好。 　　关键字前馈型神经网络差价股价预测 　　近年来在基于神经网络的股市预测的 文献 中为减小预测误差用到的方法很多，主要有：采用大量的数值实验进行对比分析的方法，确定了比较适合股票市场预测的初始条件；用BP网络模型进行短期预测，采用交叉验证集的方法来确定隐层节点数，对输入变量进行敏感性测试，选出影响输出变量最重要的5个因素；基于RBF股市趋势预测，其中RBF网络中心点的选取采用最近邻聚类学习算法；基于RBF神经网络的股市预测建模方法，采用遗传算法训练RBF网络的参数、权重。从以上资料可以看出，近年来多数文献把 研究 重点放在具体的网络拓扑结构设计和相应的学习算法的优化，及选择对股价有显著影响的输入变量，来减少预测误差。这些方法都是以实际股价作为网络的预测。而本文提出的方法是以相邻两天的股价差价作为网络的预测。实验结果表明该方法的预测误差小，预测效果好，有望取代目前的以实际股价作为网络预测的