汇率预测的神经网络方法及其比较

浮动汇率兴起以来,大量的参数方法和非参数方法被用于汇率预测,神经网络是其中的一种.神经网络方法在汇率预测中的应用有三种不同的方法:同质神经网络模型、异质神经网络模型和神经网络组合模型.本文讨论了三种神经网络预测模型的特点以及局限性,并通过时这三种方法的比较得出结论:神经网络组合模型充分考虑了汇率的线性特征和非线性特征,比同质神经网络和异质神经网络预测模型更系统、更全面,能更好地进行汇率预测.     

BP神经网络下研究汇率预测的遗传算法

BP神经网络作为现阶段应用最为广泛的神经网络模型之一长期以来通过和遗传算法的结合在诸多领域都有着良好的应用.本文从阐述BP神经网络下汇率预测遗传算法的构建入手,对于BP神经网络下遗传算法在汇率预测中的应用进行了分析.     

改进小波神经网络下的我国发明专利授权数量预测

专利授权信息是反映专利权人在不同科技领域和产业部门技术积累与控制能力的重要指标,因此政府和企业在作专利战略规划和决策时越来越重视专利授权预测分析的结果。采用小波神经网络模型对国内月度专利授权数量展开时间序列研究,并对其进行短期预测。研究结果表明,小波神经网络训练和泛化平均绝对误差分别是298件和955件,t检验值表明建立的小波神经网络是可信的,网络的训练结果和泛化结果与实际值差异不明显;小波神经网络预测的平均相对误差为10.88%,在期望值有剧烈波动的情况下,小波神经网络依然能够比较准确地预测我国各月度的发明专利授权数量。     

灰色关联神经网络模型在股指预测中的应用

本文将灰色关联和神经网络结合,构建基于灰色关联分析的神经网络模型,并将此模型在股指预测中做实证研究。     

基于BP-LVQ的组合神经网络舞弊风险识别模型研究——来自中国舞弊上市公司的经验证据

文章以2010—2014年我国沪深两市5年间发生舞弊行为的506家公司及与其一比一配对的506家配对公司为研究样本,分别用BP神经网络模型与LVQ神经网络模型进行舞弊识别,整体舞弊识别准确率分别为87.22%和85%。在此基础上构建基于BP-LVQ的二层组合神经网络舞弊风险识别模型,用同一舞弊样本进行测试,研究结果表明:组合神经网络模型的识别准确率为90.56%,显著高于这两个单一神经网络模型的舞弊识别率。     

神经网络及其在英国的应用

神经网络已经从研究进入实用化,在工业上获得了一定的应用。神经网络有两大优点:一是其图形识别能力强,二是其对变化的条件具有实时适应性。传统的处理系统在这方面较薄弱,神经网络显示出了优势。因而,对一些问题,神经网络是很适用的。神经网络与传统     

企业市场营销组合决策的神经网络模型

市场占有率是制定企业市场竞争和营销战略的基础,在一个特定时期的竞争性市场内和市场总需求一定的情况下,企业的市场占有率在很大程度上取决于企业的营销组合决定。以人工神经理论为基础为建立决策模型,采用单隐层神经网络结构和反向传播（BP）算法训练网络,建立市场营销组合决策的神经网络模型。以某省烟草市场为实例,利用MATLAB的神经网络工具箱进行核算,结果说明该模型具有较好的适用性。     

失业风险预警系统研究

基于我国29年的历史数据,采用BP神经网络模型对我国的失业风险预警问题进行研究。结果表明,神经网络方法在失业风险系统中具有优良的预警效果,其对失业风险综合警情值的预测误差小于3％。相对于景气分析预测法、时间序列分析、灰色预测模型以及回归预测模型等技术,神经网络方法不仅具有良好的预测精度,同时还具备较强的容错能力和泛化能力。因此,在构建我国的失业风险预警系统中,神经网络模型应该是一种被优先考虑的方法。     

基于神经网络的房地产估价模型研究及其Matlab实现

研究目的:分析人工神经网络应用于房地产估价的思路以及估价流程,采用Madab神经网络工具箱函数编程采实现基于神经网络的房地产估价模型的构建、训练与仿真.研究方法:文献资料法和案例分析法.研究结果:以训练样本为基础,建立基于神经网络的房地产估价模型,用测试样本检验,得出估价模型的精度较高.研究结论:神经网络对包含多种因素影响的房地产估价具有优势,基于神经网络的房地产估价模型具有很强的实用性和可操作性.     

知识型员工心理契约预测方法研究——基于回归树和RBF神经网络的学习算法

以知识型员工心理契约为研究对象,结合在国内三家知识型员工企业调研的实测数据,建立基于RBF神经网络的心理契约预测模型,同时为实现对RBF神经网络预测效率的优化,选择回归树与RBF神经网络相结合的方式,力求实现两者的优势互补,建立一个高效便捷的回归树与RBF神经网络相结合的知识型员工心理契约预测模型。结果表明:通过回归树、RBF神经网络预测数据结果与在三家知识型员工企业实际施测数据结果比较后发现,回归树与RBF结合的神经网络预测数据结果具有较高的准确性。因此,我们可以认为基于回归树的RBF神经网络的学习算法和以该算法为核心的知识型员工心理契约水平预测模型是有效的,该模型对知识型员工心理契约水平的预测具有较高的准确性。该模型能够替代以往对知识型员工心理契约主观预测的方法,使心理契约的预测过程更为高效,预测结果更加科学。