基于PSO的神经网络优化证券投资组合方法研究

• 作者: 余立琴 应宛月 罗佳 肖祥阔 黄招娣
• 来源期刊: 华东交通大学学报
• 学科: 工学
• 关键词: 粒子群算法 神经网络 证券投资组合
• 年，卷（期）: 2013,（2）
• 页码范围: 42-46
• 分类号: TP183|F830.91
• 字数: 2806字
• 语种: 中文

摘要

针对传统人工神经网络中的BP(back propagation)神经网络自身局限以及其迭代次数多、收敛精度不高和泛化性差等缺点,提出了一种基于粒子群(particle swarm optimizer,PSO)算法的BP神经网络优化证券投资组合方法.在BP神经网络优化方法中,采用PSO算法替代了BP神经网络的梯度下降法,得到最优解,从而对BP神经网络模型进行优化.将该方法应用于证券投资组合的优化中,实验结果证明:该优化方法优于传统的BP神经网络优化方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄招娣	华东交通大学电气与电子学院	6	26	3.0	5.0
2	应宛月	华东交通大学电气与电子学院	1	11	1.0	1.0
3	余立琴	华东交通大学电气与电子学院	1	11	1.0	1.0
4	肖祥阔	华东交通大学电气与电子学院	1	11	1.0	1.0
5	罗佳	华东交通大学电气与电子学院	1	11	1.0	1.0