一种改进的IPSO-BP神经网络在股指预测中的应用——以上证综指为例

• 作者: 刘琪 吕石山 吴礼斌 李诗争 黄宏运
• 来源期刊: 延边大学学报（自然科学版）
• 学科: 工学
• 关键词: 股票指数 预测 BP神经网络 PSO算法 动态惯性因子
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 应用科学研究
• 页码范围: 351-356
• 页数: 6页
• 分类号: TP183|F830.91|O29
• 字数: 4041字
• 语种: 中文

摘要

针对股票数据具有规模庞大、结构复杂、多噪声和高度模糊非线性等特点而导致预测难的问题,利用改进的粒子群算法(固定惯性因子动态化)优化BP网络权阀值,建立了一个基于历史日收盘价、最低价、最高价、成交量、成交额、涨跌幅为输入变量,日开盘价为输出变量的预测模型.利用MATLAB软件对2007年1月4日至2015年8月31日上证综指(开盘价)进行了仿真预测,并且从绝对误差与相对误差等角度对比分析了BP网络优化前后的预测结果,结果表明IPSO优化后的BP网络不仅可以更快地实现收敛寻优,而且在对未来股价的趋势判断与指数预测方面均具有较好的预测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘琪	安徽财经大学统计与应用数学学院	18	41	4.0	6.0
2	李诗争	安徽财经大学金融学院	14	54	4.0	7.0
3	黄宏运	安徽财经大学金融学院	13	61	4.0	7.0
4	吴礼斌	安徽财经大学统计与应用数学学院	45	101	6.0	8.0
5	吕石山	安徽财经大学金融学院	6	16	2.0	3.0