基于自适应抽头延迟神经网络的股指预测

摘要：

提出一种自适应神经网络模型对股指这一非线性时间序列进行高精度的预测.首先采用基于递归最小方差的自适应学习算法对抽头延迟神经网络模型进行训练,然后再利用删剪算法对训练好的神经网络结构进行自适应删剪,去掉隐藏层中冗余的神经元,从而获得最佳的网络拓扑结构.最后利用优化好的神经网络对股指进行预测.抽取上证指数2000年1月至2004年4月期间的1000个日数据作为样本,仿真实验表明,该方法能够快速地实现高精度的股指预测,预测精度达到4.8994×10-5.

关键词： 股指预测 递归最小方差 自适应删剪算法 自适应神经网络 非线性时间序列

作者: 范怀玉 申金媛 李现国 熊涛 常胜江 张延炘

作者单位: 郑州大学,信息工程学院,河南,郑州,450052 天津工业大学,信息与通信工程学院,天津,300134 南开大学,现代光学研究所,天津,300071

会议类型: 国内会议

会议名称: 第十六届中国神经网络大会(CNNC2006)暨首届中国人工免疫系统专题会议(CAISC06)

会议地点: 哈尔滨

会议语种:中文

页码: 147-151

在线出版日期: 2006-08-05（万方平台首次上网日期，不代表论文的发表时间）