基于PCA和IFOA-BP神经网络的股价预测模型

• 作者: 俞婷婷 林少倩 綦方中
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 股票价格预测 主成分分析法 改进果蝇算法 BP 神经网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 116-121,156
• 页数: 7页
• 分类号: TP393
• 字数: 5416字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.01.020

摘要

针对基于BP神经网络的股票价格预测模型在价格预测时存在较大误差的问题,在BP神经网络方法的基础上引入了主成分分析方法(PCA)和改进的果蝇算法(IFOA),提出一种基于PCA-IFOA-BP神经网络的股票价格预测模型.通过PCA对股票历史数据进行降维,减少冗余信息;采用改进的果蝇算法优化BP神经网络的初始权值和阈值;建立基于PCA和IFOA-BP神经网络的股票价格预测模型.对上证指数股票价格数据进行仿真验证,仿真结果表明:在股票价格预测中,该模型比BP神经网络、PCA-BP和PCA-FOA-BP的预测精度更高,是一种有效可行的预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	綦方中	浙江工业大学管理学院	34	303	11.0	16.0
3	俞婷婷	浙江工业大学管理学院	24	15	2.0	3.0
6	林少倩	浙江工业大学管理学院	1	0	0.0	0.0