基于RBF神經(jīng)網(wǎng)絡(luò)的金融時序列預(yù)測研究.pdf

1、在過去的幾年中，各種研究人員和金融分析師強調(diào)了非線性分析在金融市場活動中的意義?？紤]到一種新的金融分析方法似乎是必要的一金融市場的非線性分析集成。神經(jīng)網(wǎng)絡(luò)計算領(lǐng)域的開發(fā)者提供了一種新的基于數(shù)學(xué)工作的金融非線性分析方法，由于該方法其自身良好的學(xué)習(xí)，糾錯能力和非線性逼近能力，在時序列預(yù)測中發(fā)揮了重要的作用。
　　 預(yù)測是時序列研究的應(yīng)用之一，金融時序列數(shù)據(jù)是時序列的重要組成部分，并且與人們的生活密切相關(guān)。研究金融時序列預(yù)測可以對人們

2、的風(fēng)險投資、國家對經(jīng)濟的調(diào)控起到一定的參考作用。
　　 本文首先介紹了目前常用的時序列預(yù)測模型，隨后介紹了各種神經(jīng)網(wǎng)絡(luò)模型，并著重介紹了基于RBF神經(jīng)網(wǎng)絡(luò)的金融時序列預(yù)測模型，同時指出RBF神經(jīng)網(wǎng)絡(luò)存在的缺陷，并在此基礎(chǔ)上提出來了改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)模型。改進(jìn)的模型主要在RBF中心點和徑向基寬度的選取上進(jìn)行了調(diào)整，將原有的最近鄰聚類中以第一個進(jìn)入該聚類的輸入向量作為中心點調(diào)整為以該類中所有向量的平均向量作為該聚類的中心點向量，對

3、徑向基寬度的選擇則采用迭代最優(yōu)化選取的方式進(jìn)行選擇。
　　 將改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)應(yīng)用于金融時序列的預(yù)測，并通過比較采用原來的RBF神經(jīng)網(wǎng)絡(luò)所做的預(yù)測，發(fā)現(xiàn)改進(jìn)的網(wǎng)絡(luò)在預(yù)測的準(zhǔn)確性和訓(xùn)練的效率上都有所提高。驗證了該算法的可行性
　　 最后對改進(jìn)的算法可能存在的過擬合現(xiàn)象進(jìn)行調(diào)整，消除隱含層中冗余的中心點，降低網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜度，提升對未知模型預(yù)測的性能。每新增一個中心點時則動態(tài)的與已經(jīng)有的中心點進(jìn)行對比，判斷是否冗余。當(dāng)兩