2003 年 9 月 系统工程理论与实践 第 9 期
文章编号: 100026788
(
2003
)
0920067204
基于神经网络集成系统的股市预测模型
张秀艳, 徐立本
(
吉林大学商学院, 吉林 长春 130012
)
摘要: 基于神经网络集成理论, 建立股市预测模型Λ其中分别建立“基本数据模型”、“技术指标模型”和
“宏观分析模型”, 最后以简单平均生成集成系统Λ 实证分析表明, 股市预测神经网络集成系统的泛化能
力高于各个独立的模型, 从而使模型具有更好的稳健性和更好的应用价值Λ
关键词: 人工神经网络; 神经网络集成; 股市预测
中图分类号:
F
830 文献标识码:
A
The Stock M arket Forecast M odel Based on
N eural N etwork Ensem ble
ZHAN G X iu
2
yan
,
XU L i
2
ben
(
Business Schoo l
,
J ilin U niversity
, 130012
)
Abstract
:
The technique of artificial neural networks p rovides a novel and effective m ethod for stock
m arket fo recast
.
The neural network ensem ble can heighten the generalization
.
In this paper
,
w e
p roved that the generalization of stock m arket forecast system based on neural netwo rk ensem ble is su2
perio r to the single models and the system is mo re effective and app licable
.
Key words
:
artificial neural networks
;
neural network ensem ble
;
stock m arket forecast
收稿日期: 2002207226
作者简介: 张秀艳, 女, 吉林大学商学院讲师, 经济学博士,
Em ail
:
zhang
0081
_
cn
@
sina
.
com
; 徐立本, 男, 吉林大学商
学院教授, 博士生导师;
1 引言
股票市场预测是一个非线性函数值估计和外推问题Λ应用传统的分析方法
(
如指数平滑方法、
ARMA
模型、
M TV
模型
)
, 可以预测一段时间内股指变化的大致走势, 但传统方法需要事先知道各种参数, 以及
这些参数在什么情况下应做怎样的修正Λ 相比之下, 神经网络依据数据本身的内在联系建模, 具有良好的
自组织、自适应性, 有很强的学习能力、抗干扰能力Λ 它能自动从历史数据中提取有关经济活动中的知识,
可以克服传统定量预测方法的许多局限以及面临的困难, 同时也能避免许多人为因素的影响, 因而为股票
市场的建模与预测提供了新的方法Λ在实际应用中, 网络的泛化能力是最主要的Λ而网络的泛化能力往往
又决定于问题本身的复杂度、网络结构和样本量大小Λ 由于缺乏问题的先验知识, 往往很难找到理想的网
络结构, 这就影响了网络的泛化能力的提高Λ而神经网络集成
(
neural network ensem ble
)
方法不仅易于使
用, 还能够以很小的运算代价显著地提高网络的泛化能力Λ
2 神经网络集成理论
1996 年,
So llich
和
Krogh
给神经网络集成下了一个定义: 神经网络集成是用有限个神经网络
(
或其
它学习系统
)
对同一个问题进行学习, 集成在某输入示例下的输出由构成集成的各神经网络在此示例下的
输出共同决定Λ 同时, 也有一些研究者认为, 神经网络集成指的是多个独立训练的神经网络进行学习并共
同决定最终输出结果, 并不要求网络对同一个问题进行学习
[1 ]
.
© 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.
评论0