基于ISNN和HGA沪深300指数预测方法.docVIP

基于ISNN和HGA沪深300指数预测方法 　　摘 要:提出了一种改进的结构化神经网络(ISNN),并基于ISNN构建了沪深300指数预测模型。设计了一种优化性能更好的混合遗传算法(HGA),并采用HGA对ISNN预测模型进行训练。应用训练好的预测模型对2007年上半年的沪深300指数日收盘价进行了预测分析。实验结果表明,该方法收敛速度快、学习能力强、预测精度较高、误差率较小。 　　关键词:结构化神经网络; 量化正交遗传算法; 指数预测; 时间序列预测 　　中图分类号:TP18; TP391文献标志码:A 　　文章编号:1001-3695(2010)06-2156-04 　　doi:10.3969/j.issn.1001-3695.2010.06.046 　　 　　Hushen 300 index forecasting approach based on ISNN and HGA 　　 　　ZHANG Yu1, LU Jun2 　　 　　(1.Dept. of Computer Science, Hebei Medical University, Shijiazhuang 050031, China; 2.School of Computers, National University of Defense Technology, Changsha 410073, China) 　　 　　Abstract:This paper proposed an improved structure??based neural network (ISNN)and applied to construct a forecasting model for Hushen 300 index. Designed an outstanding hybrid genetic algorithm (HGA)and used to train the ISNN forecasting model. Evaluated the proposed approach by the Hushen 300 index of the first half year at 2007. Experimental results suggest that the proposed approach has more favorable characteristics such as the convergence rate, learning ability, forecasting precision and estimating error. 　　Key words:structure??based neural network; orthogonal genetic algorithm with quantization; index forecasting; time serial forecasting 　　 　　股市是一个复杂的非线性系统,股票价格涉及许多不确定因素,且各因素之间的相关关系错综复杂。大量事实表明,股价波动存在某种规律性[1]。股市可被看做一个非线性动力系统,股价的历史数据和其他信息蕴含着可用于预测未来股价的信息。在现有文献中分别采用SAS软件[2]、支持向量机[3]、标准神经网络[4]、自适应抽头延迟神经网络[5]和GARCH??BP模型[6]对股指进行预测和分析。 　　沪深300指数由上海证券交易所和深圳证券交易所于2005年4月8日正式联合发布。该指数在上海和深圳证券市场中选取300只A股作为样本(沪市179只,深市121只),样本选择标准为规模大、流动性好的股票。沪深300指数以2004年12月31日为基日,基日点位1 000点。沪深300指数样本覆盖了沪深市场六成左右的市值,具有良好的市场代表性。沪深300指数,反映了中国证券市场股票价格变动的概貌和运行状况。及时准确地预测沪深300指数,将为指数化的投资及指数衍生产品的创新提供有效的决策支持。 　　预测是对尚未发生或目前还不明确的事物进行预先的估计和推测。它从过去和现在已知的情况出发,利用一定的方法或技术去探索或模拟不可知的、未出现的或复杂的中间过程,推断出未来的结果。在进行股指预测时,传统线性预测方法对观测样本加权求和作为预测结果显然是不妥的[7];而现有方法不能有效体现预测结果和输入变量之间的非线性关系,不能展现出股指预测问题的层次和结构。鉴于此,笔者基于ISNN和HGA来对沪深300指数进行预测。股指预测问题可用数学语言描述如下:已知过去一段时间内沪深300指数的收盘点数:x1,x2,…,xn。其中:n为已知时间段的长度;xt是第t天的抽样