基于神经网络的金融市场艾略特波浪识别.PDFVIP

第３５卷第１２期　　　 计算机应用与软件 Ｖｏｌ３５Ｎｏ．１２ ２０１８年１２月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｄｅｃ．２０１８ 基于神经网络的金融市场艾略特波浪识别 李音润　欧　鸥 （成都理工大学信息科学与技术学院　四川成都６１００５９） 摘　要　　艾略特波浪理论作为金融市场的研究工具，描述了股价的结构规律。针对艾略特波浪理论，结合人工 智能方法，以时间序列为基础，提出并比较了两种基于人工神经网络的分类器。第一种技术是结合了后向传播学 习算法的多层人工神经网络，１６００次迭代后均方误差小于０．８７。根据传统后向传播网络的缺陷与金融市场的 特性，提出第二种改进网络，即与模糊理论相结合的基于缩放共轭梯度算法的人工神经网络。经１２０次迭代后均 方误差小于０．２２，相比于第一种方法，准确率提高７４．７％，收敛速度提高９２．５％。 关键词　　人工神经网络　模糊神经网络　艾略特波浪理论　后向传播算法　模糊理论　缩放共轭梯度算法 中图分类号　ＴＰ３９１．４　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１８．１２．０５３ ＥＬＬＩＯＴＴＷＡＶＥＳＣＬＡＳＳＩＦＩＣＡＴＩＯＮＩＮＦＩＮＡＮＣＩＡＬＭＡＲＫＥＴ ＢＡＳＥＤＯＮＮＥＵＲＡＬＮＥＴＷＯＲＫＳ ＬｉＹｉｎｒｕｎ　ＯｕＯｕ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＣｈｅｎｇｄｕＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｅｎｇｄｕ６１００５９，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｅｌｌｉｏｔｔｗａｖｅｐｒｉｎｃｉｐｌｅｉｓｏｎｅｏｆｔｈｅｒｅｓｅａｒｃｈｔｏｏｌｓｉｎｆｉｎａｎｃｉａｌｍａｒｋｅｔ．Ｔｈｅｐｒｉｎｃｉｐｌｅｄｅｓｃｒｉｂｅｓｔｈｅｓｔｒｕｃｔｕｒｅ ｏｆｓｔｏｃｋｐｒｉｃｅｗｉｔｈＥｌｌｉｏｔｔｗａｖｅ．ＡｉｍｉｎｇａｔＥｌｌｉｏｔｔｗａｖｅｐｒｉｎｃｉｐｌｅ，ｗｅｃｏｍｂｉｎｅｄａｒｔｉｆｉｃｉａｌｉｎｔｅｌｌｉｇｅｎｔｍｅｔｈｏｄ，ｐｒｏｐｏｓｅｄ ａｎｄｃｏｍｐａｒｅｄｔｗｏｃｌａｓｓｉｆｉｅｒｓｗｈｉｃｈｗｅｒｅｂａｓｅｄｏｎａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｏｎｔｈｅｂａｓｉｓｏｆｔｉｍｅｓｅｑｕｅｎｃｅ．Ｔｈｅｆｉｒｓｔｏｎｅ ｗａｓｔｈｅｍｕｌｔｉｌａｙｅｒａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｃｏｍｂｉｎｅｄｗｉｔｈｂａｃｋｐｒｏｐａｇａｔｉｏｎａｌｇｏｒｉｔｈｍ．Ａｆｔｅｒ１６００ｉｔｅｒａｔｉｏｎｓ，ｔｈｅｍｅａｎ ｓｑｕａｒｅｅｒｒｏｒｗａｓｌｅｓｓｔｈａｎ０．８７．Ａｃｃｏｒｄｉｎｇｔｏｄｉｓａｄｖａｎｔａｇｅｓｏｆｔｒａｄｉｔｉｏｎａｌｂａｃｋｐｒｏｐａｇａｔｉｏｎｎｅｔｗｏｒｋａｎｄｔｈｅｃｈａｒａｃｔｅｒｓｏｆ ｆｉｎａｎｃｉａｌｍａｒｋｅｔ，ｗｅｐｒｏｐｏｓｅｄａｎｉｍｐｒｏｖｅｍｅｎｔｎｅｔｗｏｒｋ．Ｔｈｅｓｅｃｏｎｄｔｅｃｈｎｉｑｕｅｃｏｍｂｉｎｅｄｗｉｔｈｆｕｚｚｙｔｈｅｏｒｙｗａｓａｎ ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｂａｓｅｄｏｎｓｃａｌｅｄｃｏｎｊｕｇａｔｅｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍ．Ａｆｔｅｒ１２０ｉｔｅｒａｔｉｏｎｓ，ｔｈｅｍｅａｎｓｑｕａｒｅｅｒｒｏｒｗａｓ ｌｅｓｓｔｈａｎ０．２２．Ｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｆｉｒｓｔｏｎｅ，ｔｈｅｓｅｃｏｎｄｏｎｅｉｎｃｒｅａｓｅｄｂｙ７４．７％ｉｎｔｈｅａｃｃｕｒａｃｙｒａｔｅａｎｄｉｍｐｒｏｖｅｄｂｙ ９２．５％ｉｎｔｈｅｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄ． Ｋｅｙｗｏｒｄｓ　　Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋ　Ｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋ　Ｅｌｌｉｏｔｔｗａｖｅｐｒｉｎｃｉｐｌｅ　Ｂａｃｋｐｒｏｐａｇａｔｉｏｎａｌｇｏｒｉｔｈｍ　 Ｆｕｚｚｙｔｈｅｏｒｙ　Ｓｃａｌｅｄｃｏｎｊｕｇａｔｅｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍ 经济和自然各方面因素影响。大量复杂的变化因素