基于GA-ANFIS的股指預(yù)測(cè)研究.pdf

1、投資股市具有高回報(bào)性，但與之相伴的還有它的高風(fēng)險(xiǎn)性。個(gè)人投資者和機(jī)構(gòu)投資者都希望能夠找到一種有效的方法，來對(duì)今后股市的運(yùn)行狀況進(jìn)行判斷及預(yù)測(cè)。長(zhǎng)期以來，上證指數(shù)被一致認(rèn)為是整個(gè)國(guó)家實(shí)體經(jīng)濟(jì)發(fā)展?fàn)顩r的先行指標(biāo)。對(duì)于投資者而言，股指可以為股市的投資布局提供指導(dǎo)；對(duì)于監(jiān)管部門而言，它對(duì)于實(shí)施股市監(jiān)督和調(diào)控的具有重要的參考作用。所以，為了增加投資者的收益，并使監(jiān)管部門可以有效的對(duì)股市進(jìn)行監(jiān)督和調(diào)控，如何有效提高股指預(yù)測(cè)的準(zhǔn)確度具有重大的意義。<

2、br>　　在本文中，利用遺傳算法優(yōu)化的自適應(yīng)神經(jīng)模糊推理系統(tǒng) ANFIS混合模型來預(yù)測(cè)股票指數(shù)。由于具有良好的非線性問題處理能力、強(qiáng)大的自學(xué)習(xí)能力及自適應(yīng)能力，神經(jīng)網(wǎng)絡(luò)已經(jīng)被越來越多的用于股指預(yù)測(cè)之中。模糊控制和神經(jīng)網(wǎng)絡(luò)存在很多互補(bǔ)的特性，本文在總結(jié)國(guó)內(nèi)外學(xué)者研究的基礎(chǔ)之上，闡述了神經(jīng)網(wǎng)絡(luò)和模糊控制原理，分析了兩者的可融合性。采用單步預(yù)測(cè)法，即前日數(shù)據(jù)預(yù)測(cè)當(dāng)日收盤指數(shù)，運(yùn)用主成分分析法、減法聚類和遺傳算法構(gòu)建 GA-ANFIS模糊神經(jīng)網(wǎng)

3、絡(luò)模型。首先采用主成分分析法處理輸入變量，減少變量維數(shù)、降低數(shù)據(jù)噪聲，然后將數(shù)據(jù)歸一化，之后采用減法聚類初始化 ANFIS網(wǎng)絡(luò)結(jié)構(gòu)，最后利用遺傳算法優(yōu)化聚類參數(shù)構(gòu)建GA-ANFIS模型。
　　為驗(yàn)證所提出組合模型的實(shí)用性，本文在實(shí)證分析方面主要分為三個(gè)階段來逐步進(jìn)行：第一階段，采用GA-ANFIS自適應(yīng)神經(jīng)模糊推理系統(tǒng)模型對(duì)上證指數(shù)收盤價(jià)進(jìn)行預(yù)測(cè)，結(jié)果表明模型預(yù)測(cè)效果較好，預(yù)測(cè)精確度較高且誤差較小；第二階段，采用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)