基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

以广义回归神经网络预测共同基金报酬

鉴于近年来许多相关文献成功地运用广义回归神经网络进行财经方面的预测,以及国内共同基金净值之预测与报酬率评估。通过搜集国内基金资料,以灰关联分析法进行各基金投资绩效分析,挑选投资绩效良好的共同基金作为投资标的;再以广义回归神经网络建立预测模型,与灰预测模型、多元回归模型进行预测能力及报酬率的比较分析。5种预测绩效评价指标、5组数据交互验证散布图及报酬率分析表明:广义回归神经网络在预测能力及预测报酬率上均有很好的表现。     

我国封闭式基金净值增长持续性实证研究

本文采用Spearman相关系数的分析方法,对2005年4月1日至2007年3月31日之间50只封闭式基金净值增长的持续性进行分析。检验结果显示,中国封闭式基金的净值增长率在样本期间内表现出显著的短期持续性,特别是在预测期为未来一个月的情况下,基金净值增长率的历史数据可以对基金未来的净值表现进行有效的预测。但从中长期来看,我国封闭式基金净值增长率不具有正向持续性,甚至有可能出现反转现象。文章根据实证分析的结果对投资封闭式基金提出了相应的建议。     

基于Omega函数的投资基金业绩评估

通过对Willam F.Shadwick和Con Keating提出的Omega函数法的进一步解析,文章选取14只封闭式基金从2006年7月21日到2008年8月8日的周单位净值,采用Omega函数法对各基金分牛市、熊市和盘整市三种市场状态进行业绩评估.Omega函数反映基金的盈亏比,需选定阈值.实证分析中,阈值分别取无风险利率和沪深300的周平均收益.结果表明:Omega函数法下的基金排名对阈值的选择敏感性不大,但不同市场状态下基金的业绩差异显著,因此,投资者在进行基金选择时,应结合当前的市场状态.     

二○○八年投资基金如何做到稳赚不赔

1.了解基金,了解自己,了解市场,了解历史,了解基金管理公司。2.比较一下发行日期相近和净值相近的基金之间增长率的高低。     

国家社保基金收入预测的PCA&BP模型

采用1989-2005年数据,利用主成分分析(PCA)与BP神经网络算法对我国社保基金收入进行拟合及预测分析.结果表明,与回归模型相比,PCA&BP模型具有更高的预测精度,相对误差为-0.22%.     

我国开放式基金的风格趋同性研究

目前,开放式基金在我国发展极为迅速,基金种类繁多.因此,研究基金投资风格差异性有利于投资者正确选择投资基金,促进基金公司的竞争和基金业的发展.在对开放式基金的特征和投资目标分析的基础上,我们利用实际数据,从收益分配、净值变动两方面对我国最早发行的三家开放式基金进行了实证分析,发现它们存在着投资风格趋同性.     

中国证券投资基金最短评级周期的相关研究

证券投资基金净值排名是基金评级的重要参考指标,但是如果评级所依据的业绩数据时间过短对基金的长期发展极为不利,将会导致基金严重的短期行为。本文采用基金超越基准回报率的移动平均值与该基金的业绩基准作为评价基础,通过快速聚类方法对基金在进行业绩排名时所需的最短时间间隔进行了研究。研究结果显示,目前对中国证券投资基金净值排名至少需要6个月观察期。     

基于邻域粗糙集神经网络的审计意见预测模型研究

审计意见类型及其预测结果受到企业各利益相关方的高度关注.同时选用财务指标和非财务指标为变量,构建了基于邻域粗糙集神经网络的审计意见预测模型.将领域粗糙集作为BP神经网络的前置系统,在保持分类能力不变的前提下进行指标约简,提取关键指标,再将约简的指标体系作为神经网络模型的输入变量.以2013-2015年沪深A股176家公司数据作为研究样本,采用三种模型进行审计意见预测对比分析,结果表明:本模型预测准确率达到97.06％,与单纯利用神经网络建模或单纯利用财务指标建模的预测效果相比具有更好的预测效果.     

运用GA-BP神经网络研究时间序列的预测

神经网络能以任意精度逼近非线性函数,以神经网络为基础的时间序列预测模型能很好地反映信息的非线性发展趋势。该文在分析传统BP网络缺点的基础上,用具有良好全局搜索能力的遗传算法来改进神经网络。详细讨论了GA算法的优化神经网络初始权值和阈值的思想和理论。在阐述预测方法同时,用具体例证分析了GA-BP网络预测的性能和特点。结果表明,基于GA-BP神经网络在预测精度和适应性方面高于传统的BP神经网络。     

党政机构微博在突发事件中传播效果的影响因素及策略

在分析铁路货运量预测方法的基础上，针对标准BP神经网络的不足，提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度，以此来得到更好的激励函数响应特征以及更好的非线性表达能力；其次，利用附加动量因子，通过对以前经验的积累，既降低了神经网络对误差曲面的局部细节敏感特性，又较好的遏制了神经网络易于限于局部最小的缺陷；最后，采取改变学习率的方法，给定一个较大的学习率初始值，在学习的过程中学习率不断减小，网络最终趋于稳定。改进BP算法既可以得到更优的解，还能够缩短训练时间。利用全国铁路货运     

供给侧改革下物流需求组合预测技术研究

通过分析供给侧结构改革下现代物流市场需求对经济活动的意义,找到单一需求预测技术的偏差,指出指数平滑法和神经网络法于实际预测应用中的不足,提出精确度较高的物流市场需求预测新思路,构建新的组合预测模型。通过实例仿真验证基于神经网络法的组合预测技术在物流市场需求预测中的实际价值。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

大变形梁的模糊神经网络建模与预测

本文运用模糊神经网络原理．采用学习结合型FNN方法，针对两种不同材料梁的大变形进行了网络建模和预测的数值仿真．仿真结果表明，网落模型所具有的输入输出特性与所对应的实际力学系统的实验测量十分吻合实现了高精度预测．     

基于BP神经网络的函数逼近的MATLAB实现

BP神经网络由于它的学习能力和非线性特性,使其能够对非线性函数进行很好的逼近。通过对BP神经网络结构和MATLAB软件及其BP神经网络工具箱的应用研究,利用BP神经网络工具箱设计BP神经网络,用于对非线性函数的逼近,通过网络的训练、测试达到了预期的效果。     

基于灰色径向基函数网络的铁路投资规模组合预测

铁路固定资产投资是铁路建设不断发展的有力保证,为准确地预测铁路固定资产投资规模大小及其变化趋势,将GM（1,1）预测模型与径向基函数神经网络有效地结合起来,充分发挥灰色系统的贫乏数据建模和神经网络特有的高度非线性映射能力的双重优势,构建了一种新型的串联非线性组合预测模型。然后,以我国铁路1998—2007年的投资规模实际数据为基础,对“十一五”后半期的铁路固定资产投资规模进行了预测,并分析了预测结果的合理性。研究表明,该组合模型优于任何单一灰色预测模型,能很好地反映铁路固定资产投资规模的变化规律,在小样本、贫信息的奈件下,仍然能得到较合理精准的预测结果。     

基于灰色BP神经网络的员工需求预测

人员配置直接影响企业的生产经营活动,一份科学合理的员工需求预测对企业的作用不言而喻。以某制造业为研究对象,搜集整理2005—2017年数据。利用SPSS做相关性分析,选取固定资产、开发支出等6项员工需求影响因素。运用灰色BP神经网络理论,预测未来3年员工需求。结果表明：灰色BP神经网络比灰色预测模型具有更高的精确度;虽然灰色BP神经网络具有较高的精确度,但其结果受参数影响较大,如何确定参数则是未来研究的一个方向;灰色BP神经网络的预测结果对企业招聘、员工关系管理等模块具有一定的指导意义。     

遗传神经网络在邮件过滤器中的应用

针对目前反垃圾邮件技术的缺点,提出一种基于遗传优化神经网络的垃圾邮件过滤器模型,利用遗传算法全局搜索能力优化神经网络连接权值,克服神经网络局部极小值点问题,提高神经网络的学习速度和识别能力。通过对遗传算法和人工神经网络算法的实现,证明它们在垃圾邮件过滤器中有很好的应用效果。     

BP神经网络在心脏病检诊断中的应用

心脏病诊断就是对被检查者进行分类,分为心脏病患者和非心脏病患者,而人工神经网络模型BP算法的多层前馈网络模型能很好的处理分类问题。利用人工神经网络的函数逼近功能,建立输入到输出的关系函数,从而可以根据被检查者的指标判断其是否患有心脏病。