改进BP神经网络对期货价格的研究与应用

发布时间：2024-05-18 13:15

　　随着期货在当今金融市场中的飞速发展,期货价格走势的研究成为大众关注的主要要点。在经典BP网络的基础上,用遗传算法(GA)对神经网络的初始化参数进行优化改进,利用预处理后的数据对神经网络进行训练,进而实现对期货价格及其走势的预测。通过对算法的仿真实验表明,预测过程中经典与遗传BP网络的均方差约为3 046.75和2 897.09,因此遗传改进的BP神经网络在对期货价格研究方面具有更高的准确性和预测能力。该算法对于期货公司制定客户开发,交易指导,风险控制等方面的策略具有适用的价值。

【文章页数】：5 页

【部分图文】：

图7遗传BP网络预测结果对比

图6遗传BP网络训练结果对比2.3结果分析

图1BP神经网络示意图

BP(back-propagation)神经网络是在1986年由Rumelhart和McCelland等人组成的一个美国研究小组提出的一种后向传播算法(back-propagation)[11]。图1为三层BP神经网络的简单示意图。BP过程根据数据训练确定节点间连接的权重,从输出....

图2阶跃函数和sigmoid函数

SΙGΜΟΙD(x)=11+e-x(4)对于神经网络训练的样本,假设输出是,那么输出的表达式表示为:

图3遗传算法优化BP神经网络

BP算法基于GA进行优化[14]主要分为以下3部分:BP网络的结构、遗传优化和BP网络的预测。具体流程如图3所示。其中BP网络结构根据输入层和输出层的维度来决定隐含层的数目,从而得到遗传个体的长度。遗传优化首先使用实数形式来表示连接权重,通过构建相应的神经网络来评估这些连接权重....

本文编号：3976982