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。     

基于主成分分析-神经网络法的农村信贷用户信用评级研究

采用某农村信用社的516家贷款用户,基于主成分分析-神经网络法构建个人信用分类评估模型。该模型首先应用主成分分析法对初始指标进行降维,然后将简化后的训练样本送入BP神经网络进行学习和训练,进而对检验样本的风险级别进行判别。     

基于遗传神经网络的船舶供应商评价体系研究

文章针对现有评价方法在对指标权重赋值时存在的主观随意性问题,提出了基于BP神经网络的船舶供应商评价模型,并运用遗传算法对所建立的神经网络模型进行优化。经过实例分析,得出结论。     

基于BP神经网络评价模型的会计信息质量评价

本文主要是为了评价会计信息的质量,试图找到一种有效的评价方法并构建合理科学的评价模型。首先,文章将分析会计信息质量的评价指标,确定会计信息质量评价指标体系,再引入BP神经网络评价方法,并对评价方法的基本概念和操作方法进行详细地介绍;然后设计形成了一个BP神经网络模型,并介绍如何使用MATLAB软件来操作BP神经网络模型。     

企业人才竞争力的BP神经网络分析

本文从企业HR竞争力指标中用主成分分析析取出4个因子,构成企业HR的竞争力模型,通过BP神经网络对30家企业的HR竞争力进行了仿真预测,便于HR管理者即时对企业人才竞争力定位,有利于管理者对企业HR的战略部署。     

BP神经网络算法分析及其面向对象实现

分析了BP神经网络的结构及其算法实现流程,利用C++语言构建了BP神经网络的网络模型,并通过一个实例,展示了用面向对象来实现BP神经网络的优势。     

基于组合模型的江苏省居民用电量预测分析

研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模。对给出的数据建立ARIMA模型、ETS模型和NNAR神经网络自回归模型,接着利用MAE、RMSE、MAPE三个评价指标来衡量模型的优良度。尝试通过组合模型对2018年江苏省居民12个月的用电量进行预测,与实际值进行对比验证,发现权重模型的误差最小,选择作为最终预测模型。最后得出结论,组合模型的预测效果要优于非组合模型。     

灰色神经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来,对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合,提出了预测宏观经济指标的新方法,实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型GNNM(1,1),该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性,并给出了相应的学习算法,然后通过示例说明模型的可行性。     

基于朴素贝叶斯网络的上市公司信用风险预警研究

本文运用PCA方法提取出对信用风险具有显著影响的特征指标,同时运用EP-T方法离散样本数据并学习贝叶斯网络的结构与参数,以此建立朴素贝叶斯网络(Naive Bayesian Network,NB)信用风险预警模型;最后通过交叉验证(Cross Validation)对模型进行5次独立建模测试,并利用性能评价指标将NB模型与Logistic模型、MLP神经网络模型、RBF神经网络模型进行对比分析。实证研究结果表明,尽管四种模型均能对上市公司信用风险进行预警,但NB模型表现出了更好的预测精度与稳定性。     

基于灰色LM-BP神经网络对第三产业综合指数的预测

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确地进行第三产业的预测,从多角度选取指标,利用信息墒理论合成综合指标,建立灰色LM-BP神经网络对其进行预测,实证分析灰色LM-BP神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。     

RBF神经网络在边坡稳定性分析中的应用

建立了露天矿岩质边坡稳定性分析评价的径向基函数(RBF)神经网络模型。实例检验结果表明,基于RBF神经网络建立的边坡稳定性分析模型是合理的、可靠的。将该模型应用于白云鄂博东矿边坡的稳定性分析中,取得了有益的结果,为该矿的安全生产提供了决策依据。     

灰色袖经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来，对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合，提出了预测宏观经济指标的新方法，实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型CNNM（1，1），该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性，并给出了相应的学习算法，然后通过示例说明模型的可行性。     

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BP神经网络的商业银行信用风险评估模型研究

针对当前我国商业银行信用风险分析与评估存在的问题,运用模糊综合评价法与BP神经网络算法,根据全面性与重要性、定量指标与定性指标相结合等原则,构建我国商业银行信用风险评价指标体系。通过该体系对定性指标模糊处理量化,构建BP神经网络模型,检测样本。可对潜在的客户信用风险作出快速、准确的反应和判断,从而实现对风险有针对性的监管和防范。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

基于BP神经网络的北京市物流需求预测

随着物流在国民经济中重要性的提高,对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层的神经网络,对2006-2015年北京市的物流需求进行了预测。结果表明BP神经网络模型的预测结果比回归分析预测结果更好,且相对预测误差不超过0.05。     

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。     

基于主成分和BP神经网络的创业板企业财务绩效评价

本文从盈利能力、资产质量、债务风险和经营成长能力四个方面选取创业板企业财务绩效的评价指标,基于主成分分析法构建了其评价指标体系,通过BP神经网络建立了财务绩效的评价模型,最后对创业板企业财务绩效进行了实证分析,验证了模型的有效性.     

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。     

高速公路收购价值研究——基于非线性主成分分析和RBF神经网络预测模型

文章分析了高速公路价值评估的关键点在于交通量预测,在介绍非线性主成分分析及RBF神经网络模型预测高速公路车流量原理的基础上,通过湖南某高速公路实证分析得出该模型具有一定参考价值。