融合群智能方法BP神經(jīng)網(wǎng)絡模型及其在股市預測中的應用.pdf

1、鑒于智能計算方法具有自適應、自學習、并行性等優(yōu)點，本文以智能計算方法為基礎，通過引入趨勢因子和群智能等方法，提出了改進 BP神經(jīng)網(wǎng)絡模型并將其應用于股市預測領域中。具體內(nèi)容包括：（1）通過對 BP神經(jīng)網(wǎng)絡的輸入層、隱層和輸出層節(jié)點數(shù)目的確定，建立基于 BP神經(jīng)網(wǎng)絡的股市預測模型，并將其對深圳成分指數(shù)進行仿真模擬預測。實驗結果表明，BP神經(jīng)網(wǎng)絡用于股市預測領域是可行的，有效的，具有一定的優(yōu)越性。（2）鑒于趨勢因子具有糾正預測方向的特性，為

2、進一步提高 BP神經(jīng)網(wǎng)絡的預測性能，本文將趨勢因子引入到BP神經(jīng)網(wǎng)絡中，提出了引入趨勢因子BP神經(jīng)網(wǎng)絡，即DF-BPNN網(wǎng)絡(BP Neural Network with Direction Factor)。實驗結果表明，與基本BP神經(jīng)網(wǎng)絡相比，本文提出的DF-BPNN模型的預測性能優(yōu)于BP神經(jīng)網(wǎng)絡，其預測精度有進一步的改善。（3）鑒于粒子群優(yōu)化算法具有較好的全局搜索能力和優(yōu)化性能，本文利用粒子群優(yōu)化算法對 BP神經(jīng)網(wǎng)絡的權重和閾值進行

3、優(yōu)化，提出了一種基于群智能的PSO-BP混合神經(jīng)網(wǎng)絡模型即PSO-BP NN（PSO-BP Neural Network）。另外，采用本文提出的PSO-BPNN模型對深圳成分指數(shù)股市進行預測，得到了令人滿意的結果。（4）針對本文提出的引入趨勢因子 BP神經(jīng)網(wǎng)絡和PSO-BP混合神經(jīng)網(wǎng)絡，與基本BP神經(jīng)網(wǎng)絡的預測性能進行比較研究。通過實驗獲得的仿真模擬圖與數(shù)值結果表明，本文提出的引入趨勢因子 BP神經(jīng)網(wǎng)絡與PSO-BP混合神經(jīng)網(wǎng)絡的預測性