剖析神经网络在股票市场的应用.pptVIP

贝叶斯正则化神经网络对股票价格的预测 神经网络是一种运算模型，由大量的节点（或称神经元）和之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activation function）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网络的连接方式，权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。 a1~an为输入向量的各个分量 w1~wn为神经元各个突触的权值 b为偏置 f为传递函数，通常为非线性函数 t为神经元输出 数学表示 t=f(WA+b) W为权向量 A为输入向量，A为A向量的转置 可见，一个神经元的功能是求得输入向量与权向量的内积后，经一个非线性传递函数得到一个标量结果。 贝叶斯正则化神经网络提出了一个新颖的方法来预测金融市场行为。利用日常的市场价格和金融技术指标作为输入来预测未来的一天的收盘价。预测股票价格通常被认为是一个具有挑战性的活动和重要的任务。准确的预测股票价格的波动可能会发挥重要作用,可以帮助投资者提高股票的回报。预测这种趋势的复杂性在于分析固有噪声和波动在日常股票价格的运动。贝叶斯正则化的网络分配是一个概率性质的网络权值。该方法减少了潜在的过度拟合和。 为减少潜在的过度拟合,