近年來人工智能的發(fā)展,尤其是神經(jīng)網(wǎng)絡,在金融領域中的應用更是將預測股價推向一個高潮。以洽洽食品（代碼為002557）的股價為數(shù)據(jù)樣本,用奇異值分解（SVD,Singular Value Decomposition）進行降維,然后在MATLAB中搭建BP神經(jīng)網(wǎng)絡,以及經(jīng)過遺傳算法（GA）優(yōu)化的BP神經(jīng)網(wǎng)絡,分別來對洽洽食品股價的走勢進行深層次的探索,比較兩者的預測結果,并且為投資策略的制定提供更加準確的依據(jù),希望在未來的投資中取得更高的收益。 

【文章來源】：佳木斯大學學報(自然科學版). 2019,37(06)

【文章頁數(shù)】：4 頁

【部分圖文】：

拓撲結構

遺傳算法(Genetic Algorithms,GA)是由美國教授J.Holland于1975年率先提出的,借鑒了生物學中物競天擇,適者生存的進化論思想的一種隨機化全局搜索方法。文中使用遺傳算法來優(yōu)化BP神經(jīng)網(wǎng)絡的權值和閾值,避免網(wǎng)絡訓練收到這兩個參數(shù)的影響,以便提高網(wǎng)絡的收斂速度。圖2展示了這種思想在BP神經(jīng)網(wǎng)絡中的應用。2 實證分析

表1顯示,從MSE(均方誤差)和MAE(平均絕對偏差)的值來看,GA_BP綜合模型的MSE和MAE值均比單一的BP神經(jīng)網(wǎng)絡的值要小,說明GA_BP綜合模型的誤差較小。而且,從R_Squared系數(shù)上看,GA_BP綜合模型的R_Squared系數(shù)值要略微高于BP神經(jīng)網(wǎng)絡的R_Squared系數(shù)值�？傊�,利用GA遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡模型的擬合效果更好,預測精度更高。從圖3的相對誤差上看(ErrorBP表示BP神經(jīng)網(wǎng)絡預測結果的相對誤差,ErrorGABP表示經(jīng)過遺傳算法優(yōu)化后的BP神經(jīng)網(wǎng)絡預測結果的相對誤差),也能說明這一點。

【參考文獻】：
期刊論文
[1]美元指數(shù)預測的DB小波神經(jīng)網(wǎng)絡模型及實證[J]. 馬瑜,潘和平.  鄭州大學學報(哲學社會科學版). 2018(05)
[2]基于微博信息的股票交易預測研究[J]. 胡婧,葉建木.  財政監(jiān)督. 2017(05)
[3]基于灰關聯(lián)神經(jīng)網(wǎng)絡和馬爾可夫模型的股票價格預測[J]. 李振平,桂預風.  內(nèi)蒙古師范大學學報(自然科學漢文版). 2016(03)
[4]因子分析和神經(jīng)網(wǎng)絡相融合的股票價格預測[J]. 鄭睿,周麗.  內(nèi)蒙古師范大學學報(自然科學漢文版). 2015(04)
[5]基于EMD的神經(jīng)網(wǎng)絡股價預測方法[J]. 陳園園,劉俊,傅強.  新疆大學學報（哲學·人文社會科學版）. 2014(04)
[6]灰色神經(jīng)網(wǎng)絡在股價預測中的應用研究[J]. 張秋明,朱紅莉.  計算機工程與應用. 2013(12)



本文編號：2970149