二层人工神经网络在股市预测模型中的应用——以上证指数为例

• 作者: 李艺君 阎虎勤
• 来源期刊: 社会科学前沿
• 学科: 经济
• 关键词: 人工神经网络 股市预测模型 上证指数
• 年，卷（期）: 2020,（5）
• 页码范围: 675-684
• 页数: 10页
• 分类号: F83

摘要

文章在阐述了现行的股价指数预测方法基于线性假设的局限性,针对股价指数变动的非线性和波动性,探讨了一种二层人工神经网络的股价指数预测模型。在Python软件的支持下,以上证综合指数(简称上证指数,代码000001) 1050个连续交易日的收盘价为原始样本数据,对指数收盘价及其增长指数进行短期预测,分别计算样本数据和预测数据的涨跌变动趋势。实证结果表明,文中构建的二层结构的BP神经网络预测上证指数变动趋势的准确率高达0.65。得出结论,当样本量和输入层变量选取恰当、网络学习训练次数足够时,使用BP神经网络预测股价指数变动趋势的结果较为准确。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阎虎勤		38	3	1.0	1.0
2	李艺君		3	0	0.0	0.0