基于股票市场灵敏度分析的神经网络预测模型

• 作者: 孙彬 李铁克 王柏琳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 股票市场预测 误差反向传播(BP)算法 股票市场灵敏度分析 网络结构修剪
• 年，卷（期）: 2011,（1）
• 所属期刊栏目: 博士论坛
• 页码范围: 26-31
• 分类号: TP183|F830.91
• 字数: 7025字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.01.008

摘要

股票市场是非线性系统,具有内部结构复杂性和外部因素多变性,建立基于股票市场灵敏度分析的神经网络预测模型.针对神经网络结构设计问题,计算网络输入层与隐层神经元的灵敏度,并修剪网络中不敏感的神经元,在保证模型泛化能力的同时,实现网络结构精简;针对神经网络黑箱问题,根据输入层神经元灵敏度解决各输入变量对股票市场的重要性和反馈机制.以上证指数为例,在不同的时间跨度下对股票市场运行规律进行学习,并分析不同结构修剪模型的适用性和市场意义.最后,通过与其他神经网络预测模型比较,验证本文模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李铁克	北京科技大学经济管理学院	165	1829	21.0	34.0
5	孙彬	北京科技大学经济管理学院	23	108	7.0	9.0
7	王柏琳	北京科技大学经济管理学院	44	182	8.0	12.0