基于神经网络的投资基金周净值预测

利用神经网络理论的辨识特性,建立了基金周净值预测的BP神经网络预测模型.通过对具有代表性的投资基金“基金金泰”的实证分析,表明该模型具有很好的非线性反映能力和学习能力,能准确预测基金周净值的变化趋势和上升与下降趋势的转折点,为预测基金净值未来走势提供了一个有效的方法.     

基于小波和模糊BP神经网络的金融股票市场预测

为了提高金融股票价格预测的准确性,在分析了金融股票价格时间序列的特点和规律的基础之上,采用一种小波分析和模糊BP神经网络联合建立的时间序列预测模型,对中国石油股票价格进行了预测研究。结果表明基于小波分析和模糊BP神经网络联合建立的时间序列预测模型具有良好的自组织性和自适应性,有很强的学习能力和抗干扰能力,基于小波分析和模糊BP神经网络对金融股票价格进行预测是行之有效的。     

基于ARIMA模型的沪深300股指期货价格预测研究

基于ARIMA模型建立了股指期货价格的预测模型,对20100416～20110113间共180个交易13的沪深300股指期货合约收盘价数据进行了实证分析,结果表明：ARIMA模型对于股指期货的价格走势短期预测效果良好,模型能有效反应期货价格的波动性走势．     

基于EMD的神经网络股价预测方法

股价波动具有复杂、非平稳、非线性等特点,传统经济模型难以对其进行准确预测。文章将机械工程领域用于分解复杂信号的EMD算法嵌入神经网络模型建立了基于EMD的神经网络股价预测模型,并通过检验该模型有效性以及将该方法的预测效果与小波神经网络预测方法的预测效果相比较,得出该方法是优于小波神经网络预测方法的最佳股价预测方法的结论。     

基于时空相关性和遗传小波神经网络的路网短时交通流预测

根据城市路段交通流在时间维度的变化规律和在空间维度的分布特征,以及智能算法对交通流数据的较强适应性和降噪能力,提出了基于时空相关性和遗传小波神经网络(GA-WNN)的路网短时交通流预测。首先,分析了路网交通流的时空特性和数据特征,建立了适用于交通路网的空间邻接矩阵;其次,以时空相关性函数量化不同时间延迟下路段与周边相邻路段交通状态之间的影响程度,并将其作为交通流预测模型输入变量的判断指标,结合遗传算法的全局搜索及小波神经网络的自适应学习优点构建了交通流预测模型;最后,通过实例验证表明,基于GA-WNN的交通流预测方法比其他方法更有优势,对比单一时间序列和空间序列预测方法,考虑了交通流时空相关性的预测方法能提高短时交通流预测精度。     

基于小波分析与支持向量机的人民币汇率预测

利用支持向量机方法对汇率进行预测是金融市场研究领域一个重要的研究课题.结合小波变换与支持向量回归,提出一个三阶段时间序列预测模型.先以离散小波框架将汇率序列分解成不同尺度的多个子序列,揭示蕴含在预测变量内的信息,并对各个子序列进行时间序列分析,再以支持向量回归为工具,以这些子序列为预测变量建构支持向量回归模型,最后将各个序列的预测结果进行重构,得到预测结果.实证结果显示,该模型的预测效果较之BP神经网络与单纯的AR-SVM模型更优,证明基于小波分析与支持向量机相结合的预测模型可以为人民币兑美元汇率提供比较准确的预测.     

农产品市场价格超短期预测研究——基于西红柿日批发价格的现代时间序列法建模

为科学分析与预测农产品市场日价格走势,研究农产品市场日价格波动的随机性特征,增强价格的预见性和市场的调控性,选择全国西红柿日批发价格为预测对象,基于价格序列数据的ADF检验和ARCH效应检验,结合2008—2009年间731天日价格数据分析,利用ARIMA、ARCH、GARCH等现代时间序列法,分别建立西红柿日批发价格预测模型,并选取2010年1月1—10日进行样本外区间的评估预测。研究表明,3个日价格预测模型的平均绝对百分比误差（MAPE）都在2％以内,其中GARCH模型在预测中具有更高的精度;农产品市场价格超短期预测中,在没有突发性因素干扰的情况下,所建立的3个模型预测结果的精度比较理想,但对于突发性事件等引起的价格急剧变化难以定量化模拟和预测。     

基于SVR的股市预测与择时研究

本文首先阐述支持向量回归机原理,在此基础上建立了SVR预测模型,以HS300指数数据为测试样本,分析了SVR模型在时间序列预测问题中的优势,并在此基础上进行了交易实验.结果表明：支持向量回归机适用于预测股市大盘的短期走势,并能够得到比较好的预测效果.     

一种基于预测模型的网络安全风险实时预测方法设计

精确的网络安全风险预测能够动态地降低网络入侵的风险,还有助于提高网络稳定运行的效率。作为信息安全的一个关键组成要素,传统的网络安全风险预测对网络资源的风险值评估是静态的,存在安全风险动态预测偏差较大的问题。因此,为了提高网络安全风险实时预测的准确性,提出了一种基于预测模型的网络安全风险实时预测方法。该方法首先根据网络攻击序列和安全形势评估构建预测模型,然后将小波神经网络预测算法应用于攻击强度观测序列的数据分析,并选取Morlet小波函数作为激励函数。仿真实验结果显示:相比其他预测方法,提出方法具有更高的网络安全风险预测准确性。     

基于小波支持向量机的电力系统短期负荷预测

根据相空间延迟坐标重构理论，基于支持向量机强大的非线性映射能力和小波核函数的局部分析和特征提取能力，提出了一种基于小波支持向量机的电力系统短期负荷预测方法，并利用该方法对嵌入维数与预测性能的关系进行了探讨。仿真结果表明，该预测方法能精确地预测电力负荷，而且在电力负荷序列的最佳嵌入维数未知时也能取得比较好的预测效果，这一结论预示着小波支持向量机是一种预测电力系统短期负荷的有效方法。