10.3969/j.issn.2095-2163.2023.08.016
基于BP神经网络和高阶模糊认知图的股票价格预测
由于金融市场具有的非线性、不确定性、复杂性等特点,其预测问题受到了学术界和相关从业人员的普遍关注.基于模糊认知图的方法广泛应用于金融市场预测,但大部分模型忽略了预测误差对模型精度的影响,针对这一现状本文提出了一种两阶段的预测模型,即基于BP神经网络(BPNN)和高阶模糊认知图(HFCMs)的股票价格预测模型,充分考虑了预测误差对预测精度的影响.模型第一阶段,利用HFCMs模型对历史数据进行预测,并得到与之对应的误差数据集.第二阶段结合了HFCMs模型和BPNN误差预测模型,得到最终的预测结果.其中,HFCMs模型的最佳权重矩阵采用时间变化加速系数粒子群优化(TVAC-PSO)算法得到.最后,在 5 个金融数据集上对所提模型进行了实验,结果表明本文的模型具有更好的预测效果.
高阶模糊认知图、BP神经网络、金融时间序列、预测、误差
13
TP391(计算技术、计算机技术)
2023-10-18（万方平台首次上网日期，不代表论文的发表时间）
共8页
100-106,113
