基于Lasso和BP神经网络的组合预测及其应用——以居民消费支出预测为例

在变量选择的基础上,构建基于 Lasso 方法和 BP 神经网络的预测模型,并对我国城乡居民的消费支出进行预测,结果显示：基于 Lasso 方法和 BP 神经网络的组合预测精度要明显高于 BP 神经网络、Lasso方法的预测精度;在2014~2020年,我国农村居民消费增长率有所提升,城镇居民消费增长率减缓,城乡居民消费增长率之间的差距呈下降趋势,但短期内城乡居民消费差距依然难以缓和。     

BP神经网络在股市预测模型中的应用——以上证股票价格收盘指数为例

本文介绍了股市的特点以及股市预测的困难性,提出了利用BP神经网络的方法来解决股市预测问题。首先文章介绍了人工神经网络模型以及应用最普遍的BP神经网络,然后以上海证券交易所每日股票价格收盘指数为分析对象,对网络进行训练后,利用BP神经网络对股票价格收盘指数进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度非常高。     

模糊神经网络在股票价格预测中的应用

本文介绍模糊神经网络对股票价格的预测。本文首先分析了神经网络和模糊逻辑相结合的可能性,然后介绍了模糊神经网络的预测模型设计以及网络参数的设定。最后用实证分析证实了模型预测是可行的。     

遗传神经网络在股票市场预测中的应用

本文针对经典的BP神经网络所存在的缺陷,将其与遗传算法相结合,提出了基于实数编码的GA-BP神经网络模型。实验表明,该预测模型具有很强的学习能力和自适应性,其预测结果优于一般BP模型,而且具有良好的泛化性。     

高校科研项目暂付款预测研究

高校科研项目暂付款管理水平关系着资金使用效率,甚至影响科研项目会计信息的真实性。本文根据某省属高校科研项目2006-2015年暂付款及影响暂付款规模的科研收入、科研支出、差旅费、专用材料费、设备购置费5个主要因素数据,建立BP人工神经网络预测模型,预测暂付款规模,并与传统多元线性回归模型比较。数据研究表明BP神经网络能捕捉到暂付款与影响因素间非线性规律,能更好预测科研项目暂付款规模。     

基于BP神经网络与支持向量机的股票指数预测模型比较

本文在阐述创新型预测模型理论的基础上,分别利用基于BP神经网络和支持向量机的股票指数预测模型,在小样本的情况下对沪深300指数进行了研究和短期预测.研究结果表明,基于支持向量机的预测模型在预测精度、收敛时间、最优性等方面均优于基于BP神经网络的预测模型.     

基于神经网络模型的商业银行信贷风险研究

通过VAR模型选择GDP增长率、通货膨胀率、广义货币发行量增长率等变量的一阶滞后项与二阶滞后项作为输入变量,分别建立BP神经网络与GRNN模型对商业银行不良贷款率进行拟合与预测验证,并对两种神经网络模型的拟合效果与验证结果进行比较.研究表明,GRNN神经网络的拟合精度较高但预测精度较低,而BP神经网络拟合精度较低但预测精度较高.此外,随着验证期限的延长,两种模型的预测精度均下降.BP神经网络预测2015年第四季度不良率仍将小幅上升.     

基于改进的杜邦体系和BP神经网络的财务危机预警模型探讨

在传统的基于神经网络的财务危机预警模型基础上,本文以最近几年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合改进的杜邦分析体系指标的财务危机预警模型,并作实证研究。实证结果表明：整合调整后的财务指标的BP神经网络模型较传统指标的BP神经网络预警模型具有更高的预测精度。     

基于灰色系统和神经网络的创业板股票价格预测研究

股票价格预测是投资领域的一个重点关注课题。由于股票价格受到诸多非线性因 素的影响,得到精确的预测结果较为困难。为了消除股票指标的多重共线性,采用Adaptive- Lasso算法对指标变量进行筛选,实现了数据降维。之后,利用灰色预测对股票价格影响指标 进行预测,并在此基础上利用神经网络模型对股票收盘价进行预测。结果表明,利用灰色系统 和BP神经网络结合的模型所得预测结果平均相对误差为0.095,且运行效率较高,对股票预测 具有一定的积极意义。     

基于BP神经网络的股价趋势分析

对BP神经网络的算法和结构进行了介绍,并基于MATLAB的BP网络的工具箱.对浦发银行近一年交易日的数据进行了训练和测试,获得了一定的预测精度.最后还对波动期股价预测的难易.股价涨幅预测的难度以及输入变量对BP网络预测股价能力的影响等进行了讨论.基于实验结果,得出了基于BP神经网络的数学模型能一定程度上实现对股价趋势判断的结论.