进化神经网络算法优化及其在股票价格预测中的应用

发布时间：2024-11-02 08:00

　　股票市场作为社会经济的重要组成部分,为我国的经济发展发挥着重要的作用。投资者可以通过准确的价格走势预测,降低投资决策的风险。然而由于股票数据的非线性和非平稳特性,股票价格走势的准确预测往往非常困难。当前基于神经网络的深度学习算法(LSTM),在股票价格预测中初步显示重要的算法优势。然而在训练过程中,仅仅采用梯度下降算法进行网络优化,预测的准确性有待提高。进化算法作为一种鲁棒性强全局寻优算法,可以用来优化神经网络。目前,进化神经网络已经广泛应用于图像处理、时间序列预测等多个方面。它们通常将神经网络的权重作为种群,利用进化算子优化个体。因此,将现有的进化神经网络算法用于股票预测,可以有效改善现有深度学习预测方法准确性较差的不足。本文对基于时间序列数据算法进行研究和分析发现,虽然LSTM类的算法在时间序列预测方面取得了不错的效果,但是随着数据的复杂度越高,例如高度非线性的股票数据,神经网络的预测难度也越来越大。现有的LSTM类的算法仅仅在梯度下降算法的优化下,很容易造成局部最优、预测准确度低等问题,使算法的性能遭遇瓶颈。因此本文针对这些问题进行了深入分析,并提出了相应的改进方案,具体研究工作包...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

进化神经网络算法优化及其在股票价格预测中的应用2法结合神经网络是近年来提高神经网络性能的一个很好的方法，也吸引了大量的科研人员投身于该领域的研究。进化神经网络使用了自然界的进化理论，在种群的逐代进化过程中，不断保留最优的个体（模型权重），淘汰比较差的个体，最后使种群逐渐趋向于一个....

进化神经网络算法优化及其在股票价格预测中的应用16下一天收盘价1TX拼接的混合数据X，以此来与真实的收盘价序列X(1TT1XXX)进行对抗。进化过程中种群个体为生成器对应的权重空间，通过变异的方式将每个生成器变成三个不同的个体，然后对变异个体进行评估，最后通过目标函数选择最优的个....

进化神经网络算法优化及其在股票价格预测中的应用17heuristic变异都是不饱和的，也就是不会出现梯度消失的现象，进而能提供有效的生成器更新。然而，根据[40],在给定最优判别器D的情况下，最小化hueristic变体等于最小化[()2()]XXXXKLppJSDpp[28]。....

本文编号：4009276