灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

浅谈人工神经网络在林业中的应用

以C++程序设计为平台,运用人工神经网络的方法建立林分林种出材率的BP神经网络模型.通过查阅学习伐区设计资料和实际生产码单数据,最后确定以平均树高,平均胸径,树种年龄,保留密度,蓄积量为输入输入神经元,分析明确了从影响BP算法的学习率和预测精确度的因素中的隐含层的神经元数量,训练次数,隐含层函数,样本数量应诉进行对林分材种出材率预测的BP网络模型进行优化设计,也明确了林分材种出材率预测的人工神经网络模型.     

用神经网络组合预测算卫生总费

利用BP神经网络组合能够较好地模拟在各种不确定因素影响下因果变量之间的内在关系。建立了基于人工神经网络的卫生总费用预测模型,该模型的网络结构由输入层(1个节点)、隐层(7个节点)和输出层(1个节点)组成。采用改进的BP算法对7组学习样本进行训练,得到各节点间的连接权和阈值,然后用优化好的网络进行卫生总费用预测。预测结果表明,利用该方法建立的模型预测误差在1%以内,十分精确。     

用神经网络组合预测算卫生总费用

利用BP神经网络组合能够较好地模拟在各种不确定因素影响下因果变量之间的内在关系.建立了基于人工神经网络的卫生总费用预测模型,该模型的网络结构由输入层(1个节点)、隐层(7个节点)和输出层(1个节点)组成.采用改进的BP算法对7组学习样本进行训练,得到各节点间的连接权和阈值,然后用优化好的网络进行卫生总费用预测.预测结果表明,利用该方法建立的模型预测误差在1%以内,十分精确.     

基于投资者行为参数的股票指数广义回归神经网络预测模型

在运用神经网络模型对股票价格进行短期预测时,一般的神经网络预测模型都是以价格的时间序列滞后作为输入变量,但是由于影响价格的因素错综复杂,很多因素无法准确测量,而且市场信息的噪音太大,因此预测效果往往不太理想,于是如何选择有效的输入变量就成为一个困扰这项研究的难题。     

基于MATLAB的股价预测模型实证分析

从技术分析的角度分析股票市场,采用BP神经网络对股票价格进行预测,提出了将股票市场的基础数据指标和技术指标相结合,作为神经网络输入的候选变量,筛选出影响股票价格涨跌的变量,从而建立起神经网络模型。最后用MATLAB编程手段对沃尔玛公司的交易资料进行实证分析。     

改进的RBF神经网络对期货价格的预测分析

针对非线性变化的期货价格,建立了基于主成分分析的RBF神经网络模型。首先利用主成分分析法从8个原始变量中提取主成分,最后利用选定的3个主成分作为径向基神经网络的输入。通过对比,该方法较一般的径向基神经网络有更好的预测结果。     

基于BP神经网络的新建支线机场货邮量综合预测

新建支线机场的货邮量预测对合理规划其航空物流体系具有重要意义。首先分析了支线机场货邮量的影响因素,然后用因子分析法对BP神经网络输入层进行影响因素(指标)进行约简,以减少BP人工神经网络的复杂度,在此基础建立了拟合模型对新建支线机场历史航空货邮量进行拟合,最后建立BP三层神经网络模型对新建机场航空货邮量量进行预测。以江苏省淮安市新建支线机场以例进行实证研究,结果表明该模型有较高精度。     

武汉市人均GDP时间序列模型构建及预测

ARMA时间序列模型反映某个变量过去的变动规律,并可以利用这个规律对未来值进行短期预测。人均GDP是衡量一个国家或地区经济发展和人民生活水平的一个重要参考指标。本文利用湖北省武汉市1980-2009年的时间序列数据建立武汉市人均GDP的ARMA模型,并利用该模型进行短期外推预测。     

基于智能算法的“互联网+”时代二手车评估定价模型研究

"互联网+"战略快速推行,二手车交易市场进入新的发展阶段。本文针对二手车交易中评估定价问题,提出了基于智能算法的二手车评估定价模型:首先利用因子分析法探索影响二手车定价的重要因素,然后利用MIV变量筛选方法确定神经网络输入变量,最后构建基于BP神经网络智能算法的二手车评估定价模型。实例分析表明,所建预测模型比现有预测模型预测的更为准确、稳定。     

自组织FPNN在宏观经济预测中的应用

论文针对经济预测通常表现为复杂的非线性这种特性,提出了一种基于自组织过程神经元网络(FPNN)和改进的BP神经网络建立的经济预测模型方法。自组织过程神经元网络(FPNN)由输入层、竞争层和输出层组成。FPNN筛选出对因变量(网络输出)最有影响作用的变量(自变量)之后作为改进的BP算法网络的输入节点,再用进行学习。该模型不仅克服了时间序列预测模型只能进行线性预测的不足,而且还避免了传统神经网络的固有缺陷。以2001年到2004年国内生产总值作为预测分析样本,并对预测结果和实际值进行了比较分析,结果验证了该方法的有效性。     

基于神经网络的股票市场预测

本文将人工神经网络方法引入时间序列预测,针对股票市场这一非线性系统,运用神经网络,在历史数据时间序列的基础上,对股票市场的价格走势进行了理论、方法与模型的研究。本文利用RBF神经网络对上证综指进行了预测研究,获得了较好的预测效果。     

基于季节调整的BP神经网络等三种模型对中国出口研究

本文以出口额、实际汇率、我国GDP、美国IPI及它们的季节变量等六个变量为决定变量,运用BP神经网络、ARIMA及AR-GARCH三种方法,对我国向美国的出口额分别建模,并进行了预测。选取误差指标,分别对三个模型得到的模拟结果和预测结果同真实值进行比较。结果发现,三种模型效果都令人满意,虽在模拟和预测能力上有一定差别,但ARIMA模型优势明显。本文分析了以上结果产生的原因,并结合模型为提高我国出口提出建议。     

我国财政收入增长速度的近期预测与分析

预测财政收入增长速度对财政政策的制定具有重要参考价值。财政收入增长是一个不确定的非线性随机过程,宜采用神经网络预测,但必须正确选择网络输入节点数,为此提出了采用AR模型阶次作为神经网络输入节点数的新方法,对我国2006年～2008年财政收入增长进行了预测,结合科学发展观对预测结果进行了分析,得到了一些有益的结果。     

基于人工神经网络的地应力场非线性反演

本文结合实测地应力资料,建立三维非线性有限元模型,通过flac3d程序求解,以及人工神经网络,将计算地应力值作为网络的输入向量,将边界条件作为神经网络的输出向量训练神经网络,获得了区域初始地应力场.     

承包商工程索赔预测模型的应用

应用LM算法人工神经网络对承包商工程索赔进行预测。在此基础上,通过研究工程中引起索赔的各种因素,建立了基于LMBP神经网络的非线性系统,并利用该网络模型来预测工程索赔出现的可能性,结果表明,LM算法可以解决工程索赔的预测问题,而且算法快,精度高,是运用人工神经网络预测工程索赔的较好网络。     

基于人工神经网络的专利申请评估研究

本文利用人工神经网络模型BP算法的多层前馈网络模型原理,通过输入到输出的函数映射关系,建立用于专利申请可行性评估的神经网络模型,反映专利申请可行性评估的动态性和数据的时序关联性。     

神经网络在土石坝沉降变形分析中的应用

基于神经网络理论和反向传播算法,建立了土石坝沉降变形预测分析人工神经网络模型,并借助Matlab语言进行程序设计,实现神经网络计算。结合某土石坝工程坝顶沉降实测数据,对模型进行学习训练,并利用神经网络模型进行沉降变形预测。验证表明,预测值与实测值有较好的一致性,同时也说明作为非线性科学一个分支的神经网络,由于其能以较高的精度逼近任意非线性函数,在土石坝变形分析上显示出较强的实用价值和优越性。     

基于RBF神经网络的权证价格预测

本文介绍了RBF网络的原理、数理表达和拓扑结构,并且以康美CWB1(580023)权证为样本,使用RBF人工神经网络,将标的股票价格和权证规定的行权价格之比、无风险利率和权证到期期限作为输入,权证价格作为输出进行了仿真分析和预测,同时将预测结果与BS模型预测结果做了对比。根据实证结果,发现RBF网络对权证价格的仿真结果精度较高,与实际价格偏差较小;RBF网络模型在价格预测的精度上优于BS模型,对我国权证价格分析方法的发展和完善具有极大意义。     

期货对现货价格预测的作用——基于ARIMA模型的实证探讨

本文通过建立ARIMA模型和ARIMAX模型,以我国HS300指数为研究对象。在准确识别的基础上,实证检验了我国hs300指数的日内指数现货价格序列。通过ARIMAX模型的输入变量包含了IF8888指数期货价格序列,将指数期货价格信息反映到现货价格的预测过程中,同时与ARIMA模型作比较。研究发现,带指数期货价格序列输入变量的ARIMAX模型与不存在其他输入变量的ARIMA模型在相同的参数条件下,前者的拟合误差下降,预测精度显著提高。说明期货价格信息可以更好地预测现货指数价格。同时为了说明预测的可信性,本文选取期货交易所的官方数据。在数据的平稳性检验部分用了ADF检验来进行平稳性的检验和对d值的确定,在对p值和q值的确定上,使用了枚举法来进行最佳组合的选取,这些都保证了预测的精确性和可信性。