股票價(jià)格形成的時(shí)序數(shù)據(jù)具有非線(xiàn)性和非平穩(wěn)性,傳統(tǒng)的模型難以處理這些特征,為此提出一種處理非平穩(wěn)數(shù)據(jù)的變結(jié)構(gòu)時(shí)態(tài)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。采用基于多分辨率分析的Mallat算法對(duì)股票數(shù)據(jù)進(jìn)行預(yù)處理,將時(shí)序數(shù)據(jù)分為高頻和低頻序列。針對(duì)不同序列下的數(shù)據(jù)特征,將其轉(zhuǎn)化為時(shí)態(tài)型數(shù)據(jù)集,采用粒子群算法尋找不同序列下的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),建立變結(jié)構(gòu)預(yù)測(cè)模型。實(shí)驗(yàn)結(jié)果表明,與未改進(jìn)的神經(jīng)網(wǎng)絡(luò)和SVM方法相比,該預(yù)測(cè)模型具有更低的預(yù)測(cè)誤差。

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
0 引言
1 數(shù)據(jù)預(yù)處理
2 時(shí)態(tài)數(shù)據(jù)轉(zhuǎn)化表示
3 變結(jié)構(gòu)時(shí)態(tài)神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)
4 誤差分析
5 實(shí)驗(yàn)
6 結(jié)束語(yǔ)



本文編號(hào)：3851398