遗传算法优化BP神经网络预测股指研究

• 作者: 秦江涛 谢梦蝶
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: BP神经网络 遗传算法 股指预测
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 41-45
• 页数: 5页
• 分类号: TP306
• 字数: 3921字
• 语种: 中文
• DOI: 10.11907/rjdk.191185

摘要

股票价格受众多不确定性因素影响.为更精准地预测股票指数,首先利用具有良好非线性寻优能力的遗传算法优化BP网络初始权值阈值设置,然后构建一个以开盘价、最高价、最低价、收盘价、成交量、收盘价近5日移动平均线MA等6个输入变量、以下一天6个变量为输出变量的股指预测模型.对观察期内上证综指实证研究表明,经遗传算法优化后的BP网络对股票指数预测平均误差为0.1％,其中成交量预测值比单纯BP神经网络算法误差减少0.71％,同时收敛速度得到提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦江涛	上海理工大学管理学院	53	222	8.0	11.0
2	谢梦蝶	上海理工大学管理学院	1	4	1.0	1.0