基于神经网络的股票预测系统研究

• 作者: 刘娜 叶德谦 孟慧慧
• 来源期刊: 科技与创新
• 关键词: 多层前馈神经网络 粗集理论 属性约简 遗传算法
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 软件时空
• 页码范围: 240-241,305
• 页数: 3页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1008-0570.2007.03.097

摘要

本文设计了一种基于粗集理论和神经网络的股票操作支持系统.系统根据对股票历史数据分析,预测股价未来一段时间内的走势,进而对投资者进行股票操作支持.指导投资者在投入资金一定的情况下,如何操作才会使总收益为最大.本系统首先利用粗集理论对预测数据进行属性约简等处理,然后把处理过的数据作为神经网络的输入.这样不仅减小了神经网络的规模,同时通过消除对象冗余减少了网络的训练和学习负担,与采用单技术的预测系统相比,本决策支持系统的可信度也有了较大的提高.