最小一乘回归神经网络集成方法股市建模研究

• 作者: 吴建生
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 偏最小二乘回归 神经网络 遗传算法 神经网络集成 最小一乘回归 泛化能力
• 年，卷（期）: 2007,（23）
• 所属期刊栏目: 计算机应用
• 页码范围: 5812-5815,5818
• 页数: 5页
• 分类号: TP183
• 字数: 5696字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-7024.2007.23.076

摘要

提出了一种新的神经网络集成股市建模方法,采用偏最小二乘方法构造神经网络输入矩阵,利用Bagging技术和不同的神经网络学习算法生成集成个体,再用遗传算法选择参与集成的个体,以"误差绝对值和最小"为最优准,建立最小一乘回归神经网络集成模型,通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法具有较好的学习能力和泛化能力,在股市预测中预测精度高、稳定性好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴建生	柳州师范高等专科学校数学与计算机科学系	25	292	9.0	16.0