基于粒子群優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)在股市預(yù)測中的應(yīng)用.pdf

1、股票市場是一個(gè)復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)，其內(nèi)部結(jié)構(gòu)的復(fù)雜性和外部因素的多變性使得傳統(tǒng)的預(yù)測方法很難取得令人滿意的效果。而神經(jīng)網(wǎng)絡(luò)可以逼近任意非線性函數(shù)，因此特別適合股票市場的預(yù)測。然而由于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法的局限性，使得神經(jīng)網(wǎng)絡(luò)預(yù)測的精度很難提高。 粒子群優(yōu)化算法是一種基于群體智能理論的優(yōu)化算法。該算法利用生物群體內(nèi)個(gè)體的合作與競爭等復(fù)雜行為產(chǎn)生群體智能，為復(fù)雜優(yōu)化問題的求解提供了高效的解決方法。 本文在系統(tǒng)分析了神經(jīng)網(wǎng)

2、絡(luò)與粒子群算法以及當(dāng)前股市預(yù)測所面臨的困難以后，提出了用基于粒子群算法的神經(jīng)網(wǎng)絡(luò)進(jìn)行股市預(yù)測的新方法。 針對基本粒子群算法容易早熟收斂和陷入局部極小的問題，本文對基本粒子群算法做了改進(jìn)，提出了一種帶過濾操作的粒子群優(yōu)化算法，通過濾除相似粒子的方法提高種群的多樣性，使算法獲得持續(xù)搜索能力，避免陷入局部極小。 在理論分析的基礎(chǔ)上，本文給出了神經(jīng)網(wǎng)絡(luò)用于股市預(yù)測的一般步驟，并提出基于粒子群算法的神經(jīng)網(wǎng)絡(luò)預(yù)測模型建立方法；采用基

3、于過濾粒子群算法的神經(jīng)網(wǎng)絡(luò)對SP500收盤指數(shù)和中國石化某一時(shí)期內(nèi)的股票價(jià)格進(jìn)行了預(yù)測，取得了較好的預(yù)測效果。之后，本文將過濾粒子群算法與基本粒子群算法以及BP算法的預(yù)測效果進(jìn)行了比較。實(shí)驗(yàn)表明，較之于基本粒子群算法，過濾粒子群算法具有更高的預(yù)測精度；而與BP算法相比，無論是收斂速度還是預(yù)測精度，過濾粒子群算法均好于BP算法。 理論分析和實(shí)驗(yàn)結(jié)果表明，過濾粒子群優(yōu)化算法能夠提高神經(jīng)網(wǎng)絡(luò)的收斂速度和預(yù)測精度，為股市預(yù)測提供了一種有