资源描述：
《基于遗传神经网络的工业股票指数预测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第18卷第6期湖南大学学报(社会科学版)Vol.18,No.62004年11月JournalofHunanUniversity(SocialSciences)Nov.2004基于遗传神经网络的工业股票指数预测谢冰,戴盛,谢科范(湖南大学经济与贸易学院,湖南长沙410079)[摘要]结合遗传算法与倒传递神经网络进行工业股票指数预测,使用5个输入变量:周成交额增减幅、周振荡幅度、周涨跌幅、5日EMA波动、DIF波动值,并将下周涨跌幅设为输出目标进行训练,以取得较理想的预测结果。
2、对于传统上选择适合的神经网络拓扑结构效率较低的问题,本文对于遗传算法的引入大大提高了搜索到最优结构的速度。[关键词]神经网络;遗传算法;股指预测[中图分类号]F83[文献标识码]A[文章编号]10081763(2004)06005906ForecastofIndustrialStockIndexBasedonNeuralNetworkandGeneticAlgorithmXIEBing,DAISheng,XIEKefan(SchoolofEconomicsandTrade,Hu
3、nanUniversity,Changsha410079,China)Abstract:Thisessayintegratesgeneticalgorithmandback-propagationneuralnetworktoforecastindustrialstockindex.Weuse5weeklyvariablesasinputswhicharetradingvolumeincrease,maximumindexvaluechangingrate,closingindexvalu
4、echangingrate,EMAandDIFvaluechanges,andsettheclosingindexchangerateofnextweekastheoutputtargettotraintheneuralnetworkinordertogetagoodresult.Traditionally,theselectionofanoptimalneuralnetworktopologyisnotefficient,thisessayusesgeneticalgorithmtoassist
5、selectingneuralnetworksandimprovestheefficiency.Keywords:neuralnetwork;geneticalgorithm;stockindexforecast在的关联存在,然而单凭个人的记忆来评断,不但不易掌握出其中的关联性,而且更易流于主观,所以多一引言数的研究部门都会使用计算机来作为投资决策的辅助工具,因此各种预测方法不断地出现,例如:时间股票市场是一个常被研究的复杂系统,它的波序列分析、ARIMA、模拟法、试误法、专家系统等。动
6、是受许多因素影响,如国家政策、投资者心理状这些方法也更具有理性客观的判断,甚至可以与计态、经济环境等。由于影响因素本身具有复杂与多算机连接,直接进行判断并决策买卖,以减少人为的样性,所以股价的趋势也非常复杂不易预测。错误。在众多辅助工具中,以神经网络最为特别,神在众多复杂系统中,股市的信息是最可能公开经网络是一个具有学习能力的系统,此系统会接收取得的,毕竟投资理财已成为大众生活的一部分,投外在信息而修改系统中的神经元,亦即具有学习的资相关话题充斥于各类媒体。而科技的发达,也使效果,能针对不同的情形进
7、行修正,有新的信息时,得人们解决问题的方式不再只是单凭过去的经验,网络也能加以学习,以建构出合适的网络。尤其是瞬息万变的股票市场,过去与未来之间有潜本文正是希望能够应用类神经网络的学习与容[收稿日期]2004-08-31[基金项目]国家自然科学基金资助项目(70273033)[作者简介]谢冰(1968),男,湖南长沙人,湖南大学经济与贸易学院副教授,武汉理工大学管理科学与工程博士后,研究方向:创业管理与投资银行理论.60湖南大学学报(社会科学版)2004年错能力来帮助投资人面对股市瞬
8、息万变的不确数f对应着转换函数,本文使用sigmoid转换函数:定性时作出正确判断。1f=。-x1+eiji二神经网络简介至于神经网络的学习过程,理论上分为两种:一种是无监督式学习,即不定义输出,由网络根据要解(一)神经网络的理论与应用决的问题特征对输入数组进行分类;另一种应用更神经网络模型是反映并行处理理念的人工结为广泛与普及的有监督式学习,网络通过测试输入构。传统的用于分析数据集的线性模型是基于因素与目标输出而随着学习过程逐渐减少错误与离差。影响机制,即需要
