基于粒子群優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)在股市預測中的應用.pdf

1、股票市場是一個復雜的非線性動力學系統(tǒng)，其內(nèi)部結(jié)構(gòu)的復雜性和外部因素的多變性使得傳統(tǒng)的預測方法很難取得令人滿意的效果。而神經(jīng)網(wǎng)絡(luò)可以逼近任意非線性函數(shù)，因此特別適合股票市場的預測。然而由于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓練方法的局限性，使得神經(jīng)網(wǎng)絡(luò)預測的精度很難提高。 粒子群優(yōu)化算法是一種基于群體智能理論的優(yōu)化算法。該算法利用生物群體內(nèi)個體的合作與競爭等復雜行為產(chǎn)生群體智能，為復雜優(yōu)化問題的求解提供了高效的解決方法。 本文在系統(tǒng)分析了神經(jīng)網(wǎng)

2、絡(luò)與粒子群算法以及當前股市預測所面臨的困難以后，提出了用基于粒子群算法的神經(jīng)網(wǎng)絡(luò)進行股市預測的新方法。 針對基本粒子群算法容易早熟收斂和陷入局部極小的問題，本文對基本粒子群算法做了改進，提出了一種帶過濾操作的粒子群優(yōu)化算法，通過濾除相似粒子的方法提高種群的多樣性，使算法獲得持續(xù)搜索能力，避免陷入局部極小。 在理論分析的基礎(chǔ)上，本文給出了神經(jīng)網(wǎng)絡(luò)用于股市預測的一般步驟，并提出基于粒子群算法的神經(jīng)網(wǎng)絡(luò)預測模型建立方法；采用基

3、于過濾粒子群算法的神經(jīng)網(wǎng)絡(luò)對SP500收盤指數(shù)和中國石化某一時期內(nèi)的股票價格進行了預測，取得了較好的預測效果。之后，本文將過濾粒子群算法與基本粒子群算法以及BP算法的預測效果進行了比較。實驗表明，較之于基本粒子群算法，過濾粒子群算法具有更高的預測精度；而與BP算法相比，無論是收斂速度還是預測精度，過濾粒子群算法均好于BP算法。 理論分析和實驗結(jié)果表明，過濾粒子群優(yōu)化算法能夠提高神經(jīng)網(wǎng)絡(luò)的收斂速度和預測精度，為股市預測提供了一種有