基于SVD-GA-BP神经网络模型的股价预测

发布时间：2021-01-11 05:08

　　近年来人工智能的发展,尤其是神经网络,在金融领域中的应用更是将预测股价推向一个高潮。以洽洽食品（代码为002557）的股价为数据样本,用奇异值分解（SVD,Singular Value Decomposition）进行降维,然后在MATLAB中搭建BP神经网络,以及经过遗传算法（GA）优化的BP神经网络,分别来对洽洽食品股价的走势进行深层次的探索,比较两者的预测结果,并且为投资策略的制定提供更加准确的依据,希望在未来的投资中取得更高的收益。 

【文章来源】：佳木斯大学学报(自然科学版). 2019,37(06)

【文章页数】：4 页

【部分图文】：

拓扑结构

遗传算法(Genetic Algorithms,GA)是由美国教授J.Holland于1975年率先提出的,借鉴了生物学中物竞天择,适者生存的进化论思想的一种随机化全局搜索方法。文中使用遗传算法来优化BP神经网络的权值和阈值,避免网络训练收到这两个参数的影响,以便提高网络的收敛速度。图2展示了这种思想在BP神经网络中的应用。2 实证分析

表1显示,从MSE(均方误差)和MAE(平均绝对偏差)的值来看,GA_BP综合模型的MSE和MAE值均比单一的BP神经网络的值要小,说明GA_BP综合模型的误差较小。而且,从R_Squared系数上看,GA_BP综合模型的R_Squared系数值要略微高于BP神经网络的R_Squared系数值。总之,利用GA遗传算法优化后的BP神经网络模型的拟合效果更好,预测精度更高。从图3的相对误差上看(ErrorBP表示BP神经网络预测结果的相对误差,ErrorGABP表示经过遗传算法优化后的BP神经网络预测结果的相对误差),也能说明这一点。

【参考文献】：
期刊论文
[1]美元指数预测的DB小波神经网络模型及实证[J]. 马瑜,潘和平.  郑州大学学报(哲学社会科学版). 2018(05)
[2]基于微博信息的股票交易预测研究[J]. 胡婧,叶建木.  财政监督. 2017(05)
[3]基于灰关联神经网络和马尔可夫模型的股票价格预测[J]. 李振平,桂预风.  内蒙古师范大学学报(自然科学汉文版). 2016(03)
[4]因子分析和神经网络相融合的股票价格预测[J]. 郑睿,周丽.  内蒙古师范大学学报(自然科学汉文版). 2015(04)
[5]基于EMD的神经网络股价预测方法[J]. 陈园园,刘俊,傅强.  新疆大学学报（哲学·人文社会科学版）. 2014(04)
[6]灰色神经网络在股价预测中的应用研究[J]. 张秋明,朱红莉.  计算机工程与应用. 2013(12)



本文编号：2970149