基于小波去噪和神经网络的期货预测模型

发布时间：2023-08-03 18:19

　　基于股指期货数据量大,数据噪声较多等多个特点,采用小波去噪的方法首先对选取的数据进行清洗,再利用神经网络进行训练预测,发现这样相结合的方法可以有效减少神经网络模型的误差。选取2012年7月24日至2018年10月12日共1528个交易日的最低价、最高价、开盘价和收盘价的沪深300股指期货数据作为神经网络模型的学习分析对象,通过不断地修改参数,调试从而减小误差,再对未来走势进行预测。结果发现BP神经网络模型与Elman神经网络模型比较,BP神经网络模型对于股指期货数据的分析预测更具有优越性,最终的预测结果与实际相比准确率能够达到98.9%。因此结合小波去噪的BP神经网络模型能够明显地减小了误差,提高了预测的精确度。

【文章页数】：5 页

【文章目录】：
1 小波去噪和BP神经网络原理
    1.1 小波去噪原理
    1.2 BP神经网络原理
2 沪深300股指期货的训练与学习
    2.1 Elman神经网络的训练与学习
    2.2 BP神经网络的训练与学习
3 基于小波去噪的BP神经网络模型
4 结论



本文编号：3838576