股票價格形成的時序數(shù)據(jù)具有非線性和非平穩(wěn)性,傳統(tǒng)的模型難以處理這些特征,為此提出一種處理非平穩(wěn)數(shù)據(jù)的變結構時態(tài)神經(jīng)網(wǎng)絡預測模型。采用基于多分辨率分析的Mallat算法對股票數(shù)據(jù)進行預處理,將時序數(shù)據(jù)分為高頻和低頻序列。針對不同序列下的數(shù)據(jù)特征,將其轉化為時態(tài)型數(shù)據(jù)集,采用粒子群算法尋找不同序列下的神經(jīng)網(wǎng)絡結構,建立變結構預測模型。實驗結果表明,與未改進的神經(jīng)網(wǎng)絡和SVM方法相比,該預測模型具有更低的預測誤差。

【文章頁數(shù)】：9 頁

【文章目錄】：
0 引言
1 數(shù)據(jù)預處理
2 時態(tài)數(shù)據(jù)轉化表示
3 變結構時態(tài)神經(jīng)網(wǎng)絡設計
4 誤差分析
5 實驗
6 結束語



本文編號：3851398