粒计算思维下的BP神经网络在金融趋势预测中的应用

发布时间：2021-03-25 15:32

　　BP（Back Propagation）神经网络在金融趋势预测上得到了广泛的应用,其通过反向传播误差来调整模型的权重与偏值,能够较强的适应金融的走向趋势.但是由于金融趋势的周期性变化多端,不同周期下对预测值的影响不一,传统的BP神经网络在金融趋势预测上存在一定的局限性.本文充分考虑金融趋势周期粒度这一特性,提出了基于粒计算思维的BP神经网络（Back Propagation on Granular Computing,BPGC）. BPGC算法首先对数据集进行不同粒度划分、构造粒度矩阵,然后根据粒度矩阵进行BP训练得出各粒度下的权值,最后对各粒度的预测结果进行加权平均,得出预测结果.在浦发银行股票收盘价数据集上进行实验,与传统的BP神经网络进行比对,实验结果验证了BPGC算法的有效性. 

【文章来源】：小型微型计算机系统. 2019,40(03)北大核心CSCD

【文章页数】：6 页

【文章目录】：
1 引言
2 相关工作
    2.1 BP神经网络及归一化改进
    2.2 粒计算思维下的粒度概念
3 粒计算思维下的BP神经网络
    3.1 粒度矩阵构造及预处理
    3.2 预测值误差及权值处理
    3.3 BPGC算法模型
4 实验与结果分析
    4.1 实验设置
    4.2 实验结果分析
5 总结


【参考文献】：
期刊论文
[1]一种基于模块化神经网络的场强预测方法[J]. 杨晋生,李亚洲.  小型微型计算机系统. 2017(11)
[2]基于改进粒子群优化算法的BP预测模型[J]. 王行甫,陈宏亮.  计算机系统应用. 2014(04)
[3]金融时间序列模糊边界预测研究[J]. 桂斌,黄立冬,周杰,杨小平.  小型微型计算机系统. 2012(10)
[4]粒计算研究综述[J]. 王国胤,张清华,胡军.  智能系统学报. 2007(06)

硕士论文
[1]基于优化BP神经网络和粒计算的股指预测研究[D]. 张翔宇.南京大学 2012



本文编号：3099908