隨著期貨在當今金融市場中的飛速發(fā)展,期貨價格走勢的研究成為大眾關注的主要要點。在經典BP網絡的基礎上,用遺傳算法(GA)對神經網絡的初始化參數進行優(yōu)化改進,利用預處理后的數據對神經網絡進行訓練,進而實現(xiàn)對期貨價格及其走勢的預測。通過對算法的仿真實驗表明,預測過程中經典與遺傳BP網絡的均方差約為3 046.75和2 897.09,因此遺傳改進的BP神經網絡在對期貨價格研究方面具有更高的準確性和預測能力。該算法對于期貨公司制定客戶開發(fā),交易指導,風險控制等方面的策略具有適用的價值。

【文章頁數】：5 頁

【部分圖文】：

圖7遺傳BP網絡預測結果對比

圖6遺傳BP網絡訓練結果對比2.3結果分析

圖1BP神經網絡示意圖

BP(back-propagation)神經網絡是在1986年由Rumelhart和McCelland等人組成的一個美國研究小組提出的一種后向傳播算法(back-propagation)[11]。圖1為三層BP神經網絡的簡單示意圖。BP過程根據數據訓練確定節(jié)點間連接的權重,從輸出....

圖2階躍函數和sigmoid函數

SΙGΜΟΙD(x)=11+e-x(4)對于神經網絡訓練的樣本,假設輸出是,那么輸出的表達式表示為:

圖3遺傳算法優(yōu)化BP神經網絡

BP算法基于GA進行優(yōu)化[14]主要分為以下3部分:BP網絡的結構、遺傳優(yōu)化和BP網絡的預測。具體流程如圖3所示。其中BP網絡結構根據輸入層和輸出層的維度來決定隱含層的數目,從而得到遺傳個體的長度。遺傳優(yōu)化首先使用實數形式來表示連接權重,通過構建相應的神經網絡來評估這些連接權重....

本文編號：3976982