版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、基金可以投資于股票、債券、外匯、期貨和期權(quán)等金融資產(chǎn),由于股票交易在中國起步最早也最成熟,使得大多數(shù)基金公司的投資重點(diǎn)均在股票領(lǐng)域,因此對于基金經(jīng)理和基金研究員來說,動態(tài)和實(shí)時(shí)地了解股市的走勢就非常重要;而人工智能技術(shù)的日漸成熟為股票分析提供了強(qiáng)有力的計(jì)算工具與分析工具,使得他們可以從眾多紛繁的技術(shù)指標(biāo)中解脫出來,轉(zhuǎn)由計(jì)算機(jī)去“思考”,甚至做出決策,以減少人工分析預(yù)測所帶來的風(fēng)險(xiǎn)。本課題就如何開發(fā)一個(gè)支持基金經(jīng)理和基金研究員用于決策的股
2、價(jià)趨勢預(yù)測系統(tǒng)進(jìn)行了詳細(xì)的論述。 第一,本文仔細(xì)研究了現(xiàn)有的基于時(shí)間時(shí)序的關(guān)于使用神經(jīng)網(wǎng)絡(luò)技術(shù)或應(yīng)用統(tǒng)計(jì)學(xué)理論進(jìn)行股市預(yù)測的方法,發(fā)現(xiàn)這些方法都缺少對進(jìn)一步減少預(yù)測誤差的研究,因此本文從通用函數(shù)逼近定理出發(fā),推導(dǎo)出了組合神經(jīng)網(wǎng)絡(luò)模型,并將其應(yīng)用于實(shí)際的預(yù)測,實(shí)驗(yàn)的結(jié)果以及和其它預(yù)測方法的對比表明:組合神經(jīng)網(wǎng)絡(luò)模型可以比較有效地進(jìn)一步縮小預(yù)測過程中所產(chǎn)生的誤差;同時(shí),本文也詳細(xì)描述了在實(shí)際應(yīng)用當(dāng)中的組合神經(jīng)網(wǎng)絡(luò)模型的各部分組成及其
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于模式識別的風(fēng)電功率預(yù)測研究.pdf
- 基于模式識別的流型判別.pdf
- 基于仿生模式識別的虹膜識別算法研究.pdf
- 基于模式識別的入侵檢測系統(tǒng)研究.pdf
- 基于模式識別的電磁無損檢測系統(tǒng)的研究.pdf
- 基于動態(tài)模式識別的BCI系統(tǒng)與康復(fù)應(yīng)用.pdf
- 基于模式識別的癲癇腦網(wǎng)絡(luò)研究.pdf
- 基于仿生模式識別的非特定人連續(xù)語音識別的研究.pdf
- 基于車型模式識別的無人值守發(fā)卡系統(tǒng).pdf
- 基于行為模式識別的視頻監(jiān)控系統(tǒng)的研究.pdf
- 基于模式識別的遠(yuǎn)程抄表系統(tǒng)研究.pdf
- 1圖像模式識別的方法
- 1圖像模式識別的方法
- 模式識別的核方法研究.pdf
- 基于模式識別的圖像隱寫分析.pdf
- 基于仿生模式識別的連續(xù)語音關(guān)鍵詞識別的研究.pdf
- 基于模式識別的不良短信識別研究及應(yīng)用.pdf
- 基于模式識別的跌倒檢測儀研究.pdf
- 基于Spiking神經(jīng)網(wǎng)絡(luò)模式識別的研究.pdf
- 基于統(tǒng)計(jì)模式識別的發(fā)音錯誤檢測研究.pdf
評論
0/150
提交評論