基于K-CV优化的GRNN神经网络在股指预测中的应用

• 作者: 吴礼斌 李诗争 黄宏运
• 来源期刊: 兰州文理学院学报（自然科学版）
• 学科: 数学
• 关键词: 广义回归 神经网络 交叉验证 股指预测 MATLAB
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 基础理论与应用研究
• 页码范围: 13-18
• 页数: 6页
• 分类号: O29
• 字数: 4140字
• 语种: 中文

摘要

针对具有波动性的股票指数预测问题,利用具有强非线性映射能力的广义回归神经网络构建基于历史日(2002年1月7日至2016年6月22日)收盘价、最低价、最高价、成交量、成交额和涨跌幅的股指预测模型,并且在网络的训练过程中利用交叉验证的方式确定了基于均方误差最小的Spread,最后分别从预测误差,预测相对误差等角度对比分析了GRNN神经网络与RBF神经网络的预测精度,得出GRNN神经网络可以很好地实现股指预测的结论.

作者信息

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