當今社會股價預測是研究的熱門問題,人們越來越關注對股價預測模型的建立,提高股價預測的精度對股票投資者有實際的應用價值.目前股價的預測方法層出不窮,其中較為典型的有傳統(tǒng)的技術分析和ARMA模型等.為了提升預測的精度,同時考慮到股市的非線性,本文提出一種改進的回聲狀態(tài)神經(jīng)網(wǎng)絡的個股股價預測模型,針對回聲狀態(tài)神經(jīng)網(wǎng)絡(ESN)泛化能力不強的特點,應用改進的粒子群算法(GTPSO)對回聲狀態(tài)神經(jīng)網(wǎng)絡(ESN)的輸出連接權進行搜索,最終得到最優(yōu)解,即ESN的最優(yōu)輸出連接權, GTPSO算法概括來說就是在傳統(tǒng)粒子群算法(PSO)的基礎上引入禁忌搜索算法(TS)中禁忌的思想和遺傳算法(GA)中變異的思想,從而降低PSO在學習過程中陷入局部最小值的狀況,同時提高PSO搜尋全局的能力.將預測模型用于個股每日收盤價預測中,使用每10天的收盤價預測第11天的收盤價.通過實驗驗證了模型的正確性,實驗證實,該模型擁有較好的預測效果.

【文章頁數(shù)】：7 頁


本文編號：3863377