基于灰关联理论和神经网络的价值预测方法

• 作者: 冯冬青 李玮
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 股票预测 灰关联理论 RBF神经网络 价值预测
• 年，卷（期）: 2006,（28）
• 所属期刊栏目: 工程与应用
• 页码范围: 221-224
• 页数: 4页
• 分类号: TP18
• 字数: 3824字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.28.065

摘要

为了预测股票价格的短期走势,在预测算法中引进RBF神经网络,利用RBF神经网络具有唯一最佳逼近、无局部极小、学习速度快的特点,在预测股票行情时,能达到较高的精度.同时,为了优化RBF网络的输入参数结构,引入二次参数的概念,设计了基于灰关联理论的技术指标选择控制器,从众多的技术指标中选出部分最能反映股票近期趋势的指标,从而获得包含股市本质信息的低维输入,大幅度减少了运算量.最后,在综合两者优势的基础上构造了一种新型价值预测系统,该系统具有较快的运算速度和较高的预测精度.仿真实验表明,该方案是可行的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯冬青	郑州大学信息与控制研究所	96	930	17.0	23.0
2	李玮	郑州大学信息与控制研究所	17	69	5.0	7.0