论文部分内容阅读
建立了一个利用BP人工神经网络对证券市场的股份指数进行预测的模型.该模型采用5年的上证A股指数、成效金额和一些宏观经济指标作为学习训练数据,并以2002年的股指、成交金额和经济指标作为检验数据.预测结果证明,所建立的证券市场神经网络模型具有较高的预测精度.
神经网络模型在金融市场预测中的应用
【摘 要】
：
建立了一个利用BP人工神经网络对证券市场的股份指数进行预测的模型.该模型采用5年的上证A股指数、成效金额和一些宏观经济指标作为学习训练数据,并以2002年的股指、成交金额和经济指标作为检验数据.预测结果证明,所建立的证券市场神经网络模型具有较高的预测精度.
【机 构】
：
北京科技大学管理学院(北京)
【出 处】
：
中国控制与决策学术年会
【发表日期】
：
2004年9期
其他文献
将有约束冗余系统可靠度优化分配问题化为组合优化问题.采用模拟退火算法对该问题进行研究,同时与动态规划法进行对比,指出了模拟退火算法的优越性.
为了提高机动情况下空中拦截的能力,提出一种应用改进的Elman网络作为Q-网,进行强化学习的智能控制方法,通过计算机仿真实现了使用智能控制方法在微分对策条件下的空中拦截,验证了该方法的有效性.
为使商业银行运行过程中的信用风险度在包含最佳风险度的一定区间内波动,通过构建被控对象、预测用神经网络模型、非线性优化器,建立了基于神经网络的信用风险预测控制系统,并进行了仿真实验.结果表明,该控制系统能将信用风险度控制在一定的范围内,适用于风险的控制.
提出了一类输入和状态上有不等式约束的线性二次调节器(LQR),给出了需要解决一个有限维正定的二次规划算法,并将其应用于实际的化工过程.通过与其他的MPC策略比较,表明了有约束的LQR具有良好的性能.
在CDMA2000下行链路MAC层进行了研究,提出一种基于蚁群优化算法的方案,以解决高速数据请求的信道资源分配问题.仿真采用事件驱动并考虑了软切换,与传统的基于"先到先服务"方案进行了对比,结果表明平均吞吐率、平均时延均有所改善.
提出基于均匀设计的宏进化算法,并用于求解复杂约束优化问题.首先利用拉格朗日方法将约束优化问题转化为求解一个零和对策问题的鞍点解;然后用宏进化算法求解.为提高搜索的速度和质量,将均匀设计思想和精调学习引入传统的宏进化算法.仿真实例说明了算法的有效性.
建立一种新的多目标非线性规划优化模型,提出一种自适应遗传算法.得到的种群个体明显优于基本遗传算法的个体,所设计的自适应变异概率可避免算法的早熟现象.通过保持迭代过程的最优解,加快了搜索速度,并保证收敛于全局最优解.算例结果表明,该算法用于求解一类多目标决策优化问题具有良好的效果.
提出了一种改进的超闭球CMAC的学习算法,使得学习率的确定只需要一个参数,其参数值的确定可以采用自寻优的方法,并证明了算法的收敛性,仿真研究表明了该算法的学习性优于原算法.