基于自适应遗传算法的股票预测模型研究

• 作者: 张炜 汪文佳 范年柏
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 粗糙集理论 属性约简 自适应遗传算法 神经网络 股票预测
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 工程与应用
• 页码范围: 254-259
• 页数: 6页
• 分类号: TP391
• 字数: 6099字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1303-0276

摘要

为了解决单一神经网络模型很难满足股票预测建模要求的问题，提出一种基于遗传算法的粗糙集属性约简方法和神经网络相结合的预测模型。在该模型中，改进了自适应性遗传算法的交叉算子与变异算子。基于该遗传算法的粗糙集属性约简相比传统的粗糙集属性约简，其具有更强的求解最小属性约简的能力，解决了神经网络预测时训练速度慢、内存开销大等问题；在数据预处理过程中，引入聚类分析，有效解决了连续属性离散化的问题。实验结果证明，该预测模型具有较高的预测精度，在时间序列的股票预测中是相当有效的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范年柏	湖南大学信息科学与工程学院	17	104	5.0	10.0
2	张炜	湖南大学信息科学与工程学院	1	32	1.0	1.0
3	汪文佳	湖南大学信息科学与工程学院	1	32	1.0	1.0