發(fā)布時間：2018-04-09 14:21

  本文選題：能量窗口　切入點：K線特征　出處：《計算機工程與應用》2017年21期

【摘要】：水平趨勢持續(xù)時間短,方向變化的不確定性大,水平狀態(tài)下趨勢預測成為股市趨勢預測的難點�；谒酱翱诘哪芰坑嬎�,提出一種水平窗口趨勢預測的BP神經(jīng)網(wǎng)絡算法(WE-BPNN)。算法首先給出短線趨勢劃分標準,在此基礎上引入水平窗口定義;然后,通過對K線組合能量和均線組合能量進行量化計算,融合這兩種能量得到窗口能量;最后,將窗口能量引入到BP神經(jīng)網(wǎng)絡預測窗口方向。由于能量對于趨勢的作用具有滯后性,存在能量蓄而不發(fā)的情況,會影響到趨勢判斷的準確性,因而在WE-BPNN算法的基礎上給出引入能量調(diào)節(jié)因子的BP神經(jīng)網(wǎng)絡(EF-BPNN)算法,動態(tài)調(diào)整窗口能量因子對于趨勢預測的影響權重。在上證數(shù)據(jù)上的實驗結果表明,EF-BPNN算法具有更好的性能。
[Abstract]:The trend of the horizontal trend has a short duration and the uncertainty of the direction change is great. The forecast of the trend in the horizontal state becomes the difficulty of the forecast of the trend of the stock market.Based on the energy calculation of horizontal window, a BP neural network algorithm for predicting the trend of horizontal window is proposed.On the basis of this, the definition of horizontal window is introduced. Then, by quantifying the combination energy of K-line and mean-line combination, the window energy is obtained by combining these two kinds of energy.The window energy is introduced into the BP neural network to predict the window direction.Because of the lag of energy to the trend and the fact that the energy is stored but not generated, it will affect the accuracy of the trend judgment. Therefore, based on the WE-BPNN algorithm, the BP neural network (BP neural network) algorithm which introduces the energy regulation factor (EF-BPNN) is proposed.Dynamically adjust the influence weight of window energy factor on trend prediction.The experimental results on Shanghai Stock Exchange show that the EF-BPNN algorithm has better performance.
【作者單位】： 合肥工業(yè)大學計算機與信息學院;
【基金】：國家自然科學基金(No.61175051,No.61175033) 國家重點基礎研究發(fā)展計劃(973計劃)(No.2013CB329604)
【分類號】：F832.51;TP183

【相似文獻】

相關期刊論文 前10條

1 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術;2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡及其應用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡在股票市場預測中的應用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡的過去、現(xiàn)在和將來[J];青年探索;2006年04期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

10 董衛(wèi)軍;蔡美峰;張永華;;利用神經(jīng)網(wǎng)絡確定生產(chǎn)礦山的合理規(guī)模[A];第六屆全國采礦學術會議論文集[C];1999年

相關重要報紙文章 前5條

1 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

2 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

3 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

4 木公;有界微分網(wǎng)絡技術：信息處理新時代[N];中國石化報;2002年

5 本報記者 范毅波 張旭軍;帶上望遠鏡上路[N];網(wǎng)絡世界;2005年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

8 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

9 胡文憑;基于深層神經(jīng)網(wǎng)絡的口語發(fā)音檢測與錯誤分析[D];中國科學技術大學;2016年

10 李曉剛;基于神經(jīng)網(wǎng)絡的碼垛機器人視覺位姿測量及伺服控制研究[D];北京林業(yè)大學;2015年

相關碩士學位論文 前10條

1 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

2 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

3 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

4 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

5 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

6 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

7 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

8 胡婷;改進QGA-BP模型及其在彌苴河總氮量預測中的應用[D];昆明理工大學;2015年

9 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預測研究[D];昆明理工大學;2015年

10 李菊;BP神經(jīng)網(wǎng)絡在房地產(chǎn)批量評估中的應用研究[D];昆明理工大學;2015年

，

本文編號：1726798