- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第27卷第9期 计 算 机 应 用 研 究 Vo1.27No.9
2010年 9月 ApplicationResearchofComputers Sep.2010
基于 GD—FNN的金融股指预测模型术
孙 彬 ,李铁克 ,张文学
(1.北京科技大学 经济管理学院,北京 100083;2.钢铁生产制造执行 系统技术教育部工程研究中心,北京
100083;3.宁夏医科大学 理学院,银川750004)
摘 要:针对股票市场 内部结构复杂性和外部 因素多变性,构建一种基于椭圆基函数且能够动态调整 网络结构
的广义动态模糊神经网络模型对金融股指进行预测。以上证指数为例,在价格和成交量的基础上 ,将与股票市
场密切相关的宏观经济指标引入模型预测指标体系。通过滑动时间窗对数据集进行处理,提高了模型预测准确
性并降低了运算时间。与其他神经网络模型预测效果进行比较,结果表 明提出的模型具有较好的预测效果。
关键词:广义动态模糊神经网络;金融股指预测;预测指标体系;动态模糊规则抽取;滑动时间窗;金融非线
性 系统辨识
中图分类号 :F830.91;TP183 文献标志码:A 文章编号:1001—3695(2010)09—3272—04
doi:10.3969/j.issn.1001—3695.2010.09.018
PredictionmodeloffinancialstockindexbasedonGD.FNN
SUN Bin .LITie—ke .ZHANG Wen.xue,。,
(1.SchoolofEconomics&Management,UniversityofScienceTechnologyBelting,Belting100083,China;2.EngineeringResearchCenter
ofMESTechnologyforIronSteelProductionofMinistryofEducation,Beoing100083,China;3.SchoolofSciences,NingxiaMedicalUni-
versity,Yinchuan750004,China)
Abstract:Aimingatthecomplexityofinsidestructureandvariabilityofexternalfaetorsinsystem ofstockmarketwhichmake
stockmarketpredictionacomplexproblem ,thispaperproposedGD—FNNfinancialindexpredictionmodelwhichisbasedon
ellipticbasisfunctionandcoulddynamicallyadjustthenetworkstructure.SetthepredictiveindexsystemofGD-FNNwhich
involvedShanghaicompositeindex’Spriceandvolume,analyzedmaeroeconomicindicatorscloselyrelatedtostockmarketand
long—runequilibrium andcauseandeffectrelationshipamongthevariables.Inordertogetoptimizedresult—parametersofmo—
delwithfixed—lengthtimeseriesdatasets,setaslidingwindow,whichcouldimprovemodelpredictionefficiencyandreduce
computationtime.GD-FNN showssmallerdeviationandhigheraccuracyinpredictionofShanghaicomposit
文档评论(0)