基于小波神经网络的股票价格预测

股票价格是一个与政治,经济等多因素有关的非线性建模问题。本文利用小波神经网络在非线性建模中的收敛迅速等优越性,提出利用小波神经网络预测股票价格的方法。仿真表明该方法可行,预测精度高。     

基于小波神经网络的上市公司财务风险预警研究

简述小波神经网络的基础理论和算法,建立财务风险预警指标,利用小波神经网自适应能力强、收敛速度快和预测精度高的特点对上市公司财务风险进行实证研究。应用结果表明,小波神经网络在财务风险预警中能够提高准确度,加快收敛速度,为财务风险预警提供了新的研究方法。     

采用小波变换建立价格波动幅度的预测模型

股票市场建立一百多年以来,对股票价格的准确预测一直是众多投资者和学者梦寐以求的目标。股票价格的波动可以分解为波动幅度和波动方向。由于中国股票市场中两者具有不同的性质,并且两者在市场中有不同的应用场合,如价格波动幅度表示市场的易变性,是政府和有关监督部门进行风险控制的主要研究对象,另外对投资者制定投资策略也具有同样重要的意义,因为投资者同样需要考虑风险,投资的目标不外乎风险最小的情况下获得最大的收益。价格波动幅度存在线性相关,长期相关性,多尺度相关性以及局部特性,完全可以利用一定的预测工具进行预测。本文通过小波变换,结合神经网络和遗传算法建立股票价格波动幅度预测模型,获得了比其它模型更高的预测精度,提出了平移小波变换克服了现有小波变换方式的预测边界问题。     

采用小波变换建立价格波动幅度的预测模型

股票市场建立一百多年以来,对股票价格的准确预测一直是众多投资者和学者梦寐以求的目标.股票价格的波动可以分解为波动幅度和波动方向.由于中国股票市场中两者具有不同的性质,并且两者在市场中有不同的应用场合,如价格波动幅度表示市场的易变性,是政府和有关监督部门进行风险控制的主要研究对象,另外对投资者制定投资策略也具有同样重要的意义,因为投资者同样需要考虑风险,投资的目标不外乎风险最小的情况下获得最大的收益.价格波动幅度存在线性相关,长期相关性,多尺度相关性以及局部特性,完全可以利用一定的预测工具进行预测.本文通过小波变换,结合神经网络和遗传算法建立股票价格波动幅度预测模型,获得了比其它模型更高的预测精度,提出了平移小波变换克服了现有小波变换方式的预测边界问题.     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

基于模糊处理和遗传优化的小波神经网络股指区间预测

文章基于模糊粒化和遗传算法优化的小波神经网络,建立了一种新型股指区间预测模型。并对上证指数开盘数据进行实证检验,预测结果表明模型预测结果比较准确,模型具有较高的预测精度,误差率较小。文章建立的股指预测模型对探究中国股票市场波动趋势有一定意义,同时也为投资者进行股市投资提供一种投资参考。     

小波神经网络背景下上市公司财务风险预警分析

近年来,随着我国经济的不断快速发展,我国的证券交易市场也得到了快速的发展,但是,在现实的上市公司的操作过程中,我国的许多的上市公司都会遭遇到各种各样的问题,例如财务风险等,这些问题的存在都严重的影响了上市公司自身的信誉,同时也给我国股票投资者带来了巨大的风险和压力,造成了一定的恐慌,从而导致了上市公司经济等各个方面的损失.所以,上市公司要能够进行科学合理的财务风险预警从而做到降低公司的财务风险和危机,对上市公司能够持续稳定和健康的发展具有重要的意义.以此为基础,本文引入了小波神经网络,并通过对小波神经网络和上市公司财务风险预警的阐述,进一步分析了以小波神经网络为背景下上市公司财务风险预警.     

基于小波网络的非线性预测应用研究

将小波神经网络作为非线性时间序列的辨识模型 ,通过对过去样本的学习 ,调整网络的权值 ,然后预测和推断未来序列 ,以证券市场为例仿真结果表明 ,小波神经网络具有优良的泛化能力和预测功能。     

基于小波分析的股指波动性预测模型研究

本文通过小波理论将股指进行降噪处理,并用最大熵谱估计(burg)法构建AR模型对股指进行了实证研究,并对预测结果进行了评估,说明了经过降噪处理后的序列信号在波动性预测方面具有一定的有效性和可行性。     

基于BP神经网络的国际黄金价格预测模型

为了寻找国际黄金价格与道琼斯工业指数、美国消费者指数,国际黄金储备等因素之间的内在关系,本文对1972年～2006年间的各项数据首先进行归一化处理,利用MATLAB神经网络工具箱进行模拟训练,建立了基于BP神经网络的国际黄金价格预测模型。     

基于Spike神经元的神经网络及其股市预测模型

Spiking神经网络是一种新型的神经网络,它采用更接近于生物神经元的动态的Spike神经元作为计算单元,进行信息的编码和处理。文中给出了基于粒子群算法的Spiking神经网络学习模型,并运用于上证指数的趋势预测,结果表明其用于股市预测是有效性。     

基于广义回归神经网络的经济预测模型研究

本文利用广义回归神经网络的自学习、自适应和非线性的特点,建立了经济系统的评价指标体系,将经济变量数据归一化处理,然后送入广义回归神经网络(GRNN)中训练,得出相应参数,再对相关经济变量进行预测,经过检验得出了令人满意的结果。     

基于BP神经网络的城市物流需求预测模型

城市物流需求是城市物流规划的重要内容和首要前提,但城市物流需求的复杂性导致难以对其进行精确预测。文章从货运量的角度出发,分析影响货运量的社会经济因素,以北京市为例,建立城市物流需求的BP神经网络预测模型,并通过Matlab进行仿真求解,结果显示用神经网络预测物流需求是非常合理。     

基于神经网络算法的航空货邮吞吐量预测模型研究

本文通过运用bp神经网络的映射功能,建立了今后五年内我国舷塞外货虾吞吐量的预测模型,并通过mathb求解,得出了最优结论,这为我国未来航空货运的发展提供了参考和依据.     

小波包与混沌和神经网络相结合的人民币汇率预测研究

为了更精确地预测人民币汇率,基于小波包与混沌和神经网络相结合提出一个三阶段时间序列预测方法。首先对汇率序列进行小波包分解,并对分解后所得到的各子序列作混沌分析与判定;然后,基于混沌理论与神经网络相结合分别构建各子序列的混沌-神经网络预测模型;最后,将各个序列的预测结果进行重构,得到最终预测结果。实证结果表明,该方法具有较高的预测精度,可以为人民币汇率提供更加准确的预测。     

基于改进的Hopfield离散神经网络的模式识别

本文介绍基于改进的Ｈｏｐｆｉｅｌｄ离散神经网络（ＩＨＤＮ）的模式识别。当一个要求存贮在网络中的模式输入时，我们计算它与其它模式的类似测试，并把类似测试在网络综合中加以考虑。当输入任一矢量时，由于网络的联想能力，该矢量将进化到与它距离最近的一个存贮模式中。理论分析和实验仿真结果表明，ＩＨＤＮ比原Ｈｏｐｆｉｅｌｄ离散神经网络（ＨＤＮ）有更大的存贮容量和更强的联想能力。     

基于数据挖掘与神经网络技术的股票预测模型的研究

近年来,股票市场在我国发展迅速,已逐步成为金融业必不可少的组成部分,受到投资者的普遍关注。股票市场具有高噪声、强非线性和不确定性等特点。但许多研究表明,股价还是可以预测的,至少是短期可预测的,这为投资者的投资决策提供了一定的参考。     

试论小波分析法在土木工程中的应用

本文简要介绍了一维小波分析的基本原理和分类,及其在土木工程领域的主要应用.重点论述了小波变换在结构损伤检测方面的应用.由小波分析的数据中提取人工神经网络的训练样本能够更好的反应结构缺损特征,故小波分析或以小波分析为基础的人工神经网络方法是结构损伤识别的一种很有前途的方法.     

基于BP神经网络法银行产品营销预测模型的研究

随着商业银行金融业务的发展和体制改革的不断深化,国内各商业银行之间的竞争日趋激烈,这一趋势在国内金融产品营销上的表现得尤为突出。各银行为了获取更多的客户资源、占有更大的市场份额,往往采取"简单"的性价比竞争和"此起彼伏"的推销宣传战,其弊端显而易见。这就要求银行要采取以客户为中心的策略,根据客户的类型和需求提供多样化、层次化、个性化的服务解决方案。因此,营销模型成了预测利润,提高客户满意度、忠诚度的有效指导工具。近几年迅速发展起来的数据挖掘技术就是实现这一目标的重要手段。本文通过BP神经网络对产品营销响应进行预测分析,指导营销方案的设置和提高效率。     

基于AHP和BP神经网络的高速公路物流预测模型研究

结合高速公路的特点,基于层次分析法和神经网络,建立高速公路物流预测模型,以湖南高速公路物流为样本对模型进行实证分析,验证模型的有效性和准确性。