基于大数据背景下的多层神经网络股票预测模型

• 作者: 丁美琳 陈学斌 高语越
• 来源期刊: 软件
• 学科: 工学
• 关键词: 股票价格预测 小波分解与重构 BP神经网络 Elman神经网络
• 年，卷（期）: 2017,（7）
• 所属期刊栏目: 设计研究与应用
• 页码范围: 118-121
• 页数: 4页
• 分类号: TP183
• 字数: 3322字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6970.2017.07.027

摘要

随着互联网以及股票市场的不断发展,产生了蕴含丰富信息的海量股票数据.由于大数据技术不断普及,处理海量股票数据逐渐变得可能.本文通过对海量的历史数据进行研究,利用智能算法建立多层神经网络对数据进行处理.首先运用小波分析技术将股票价格波动曲线分解为低频部分和高频部分,其次分别利用Elman和BP神经网络进行训练,最后进行小波重构得出股票价格预测值.研究结果表明:通过改进,将预测结果与实际值进行对比,均方误差MSE=6.4495×10-6,模型预测精度较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈学斌		14	64	5.0	8.0
2	高语越		3	13	2.0	3.0
3	丁美琳		1	9	1.0	1.0