基于DFNN的金融股指预测及金融非线性系统辨识研究 |
| |
引用本文: | 孙彬,李铁克,张文学.基于DFNN的金融股指预测及金融非线性系统辨识研究[J].中国管理信息化,2009(21). |
| |
作者姓名: | 孙彬 李铁克 张文学 |
| |
作者单位: | 北京科技大学,经济管理学院,中国,北京,100083 |
| |
基金项目: | 国家自然科学基金资助项目,国家自然科学基金资助项目 |
| |
摘 要: | 针对证券市场内部结构的复杂性、外部因素的多变性,本文采用动态模糊神经网络(DFNN)进行金融股指预测.DFNN能够实现在线学习,并且参数估计与结构辨识同时进行;同时采用误差下降率(ERR)修剪技术,保证网络拓扑结构不会持续增长,避免了过拟合及过训练现象,确保了DFNN的泛化能力.本文以上证指数为例,通过与同样以高斯函数作为传递函数的RBF算法预测结果的比较和分析,表明DFNN预测上证指数的偏差较小,预测的方向准确性较高.通过DFNN模型提取的模糊规则对金融系统运行模式进行分析,为研究金融非线性系统辨识提供了启发性思路.
|
关 键 词: | 股票指教预测 TSK模糊系统 ERR修剪技术 非线性系统辨识 |
The Study on the Application of DFNN in Stock Index Prediction and Financial Nonlinear System Identification |
| |
Abstract: | |
| |
Keywords: | DFNN |
本文献已被 万方数据 等数据库收录! |
|