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.     

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。     

基于BP神经网络和相关系数结合的股票价格预测

股票价格预测一直是困扰投资者的难题,为了提高股票价格的预测精度,本文提出一种基于BP神经网络和相关系数结合的股票价格预测方法。从股票数据中选取10个影响股票价格的因素,计算它们与股票价格的相关系数,从中提取关键因素,利用BP神经网络预测未来股票价格。将此方法用于华谊兄弟(300027)预测股票收盘价,结果表明,相对于未提取关键因素的BP神经网络,此方法提高了股票价格的预测精度。     

基于Elman神经网络的江苏技术人才需求预测

Elman神经网络是一种典型的动态回归神经网络,它具有适应时变性的能力。以江苏省技术人才系统为例,说明了Elman神经网络在人才需求预测中的应用,并将其预测结果与基于BP静态神经网络的预测值进行了比较。指出了Elman神经网络在对人才系统这样的动态系统进行预测时优越性。     

BP神经网络在煤层气井产量预测中的应用

BP学习算法是一种单向传播的多.层前向网络,Matlab 中的神经网络工具箱以人工神经网络理论为基础.本文基于Matlab的工具箱,结合沁水樊庄区块晋试1-6井和TL003井的抽排实验数据对煤层气井产量进行预测,验证了BP神经网络在沁水樊座区块预测煤层气井产量的可行性,且BP算法收敛速度快,误差小,值得推广.     

微粒群算法在瓦斯突出预测中的应用

如何确定RBF神经网络的隐单元RBF的中心c1直接影响到神经网络的逼近能力。本文通过带惯性权重的微粒群算法和学习训练法相结合的方式来确定RBF神经网络的隐单元RBF的中心c1。首先使用学习训练的方法根据局部信息确定中心c1,然后充分发挥了微粒群算法全局寻优的特点,通过时数据库的更新,使用带惯性权重的微粒群算法对得到的中心c1进行最优化．同时使用MATLAB进行程序设计。最后将RBF神经网络用于瓦斯突出预测中,得出了准确的预测结果。     

零售商品销售量组合预测研究

针对零售商品销售量预测精度不高,致使零售商蒙受经济损失的问题,本文提出ARIMA-GARCH与Elman神经网络的零售商品销售量组合预测模型。先利用ARIMA-GARCH对存在异方差的零售商品销售量非平稳序列进行线性预测,再利用Elman神经网络对销售序列进行非线性预测;最后,结合线性规划思想,运用误差绝对值最小赋权算法实现对零售商品销售量的精确预测。案例分析表明,与ARIMA、BP等模型相比,该组合模型预测精度更高,更适合零售商品销售量的预测,在以后的零售商品销售预测中具有一定的推广作用。     

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。     

广义回归神经网络的金融预测模型研究

本文针对BP网络存在着收敛速度慢和局部极小的问题,提出了一种基于广义回归神经网络方法的金融预测模型,该网络运用于汇率模拟与预测,以演示训练样本的构建、原始数据预处理、神经网络的创建训练和检测结果的评价整个过程.通过详细的仿真实验以及与BP神经网络的比较可得出以下结论:该方法不仅运算速度较快,且逼近性能及预测性能明显都优于传统BP神经网络.     

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。     

基于智能神经网络组合预测的国债利率期限结构建模与实证

作为整个经济活动的基准利率,国债的利率期限结构,全面而深刻地影响着市场上其他利率和资产价格的评估。在分析了传统的指数函数回归、BP神经网络单一预测方法的局限性后,本文建立了将不同单一模型的预测值进行集聚处理的神经网络组合预测模型,并对上海证券交易所20个不同待偿期限的国债品种进行预测和方差检验。实证结果表明,神经网络组合预测模型,能够充分吸收各单一预测模型的优点,扬长避短,削弱单一模型的不稳定性,增强预测的准确性、有效性。     

浅析基于粗糙集神经网络的企业财务风险

本文在对企业财务风险的涵义和特点进行分析的基础上,提出了一种基于粗糙集BP神经网络预测方法.该方法克服了单纯的BP神经网络方法因为数据量太大、处理速度慢、解释能力差等缺点.结果表明,与传统的logistic回归模型相比,粗糙集——神经网络系统对检验样本预测精度更高,,是一种更无有效和实用的分类方法.     

基于随机森林模型的生猪价格预测及调控机制研究

生猪产业在国民经济中的重要地位及自身的“弱质性”决定了国家对生猪产业发展的原则是“市场主导、政府调控”,而国家对生猪产业宏观调控的有效性取决于用科学的方法 对生猪价格进行预测。研究得出:随机森林价格预测模型中的两个最优参数ntree、mtry的值分别为450和4,随机森林模型预测的残差平方和0.72,拟合优度为98.25%,说明拟合效果较好;在特征选取上,综合平均下降精度和平均下降基尼系数的排序结果,得出影响生猪价格因素最重要的两个变量是去皮带骨猪肉和仔猪价格;随机森林模型和BP神经网络模型对价格的预测对比发现:随机森林模型中均方误差和平均绝对误差分别为0.0231和0.408,BP神经网络模型中均方误差和平均绝对误差为0.0828和0.71,随机森林在生猪价格预测方面预测精度更优。     

世界新船订单趋势预测的组合模型应用分析

本文利用趋势移动平均法、灰色系统的GM(1,1)方法和BP神经网络方法的组合模型进行了新船订单趋势的预测。预测结果的对比发现,组合模型能够比单一模型得到更准确的趋势预测结果。     

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GA-BP神经网络的顾客满意度测评研究

本文利用遗传算法与神经网络的特性,建立了基于GA-BP神经网络的顾客满意度测评模型。该模型首先将BP网络的权值和阈值通过遗传算法进行优化,然后对BP网络进行训练。网络最终测评结果较BP神经网络更有效、准确。通过某商场实例数据证明此测评模型收敛速度快、预测精度高,为顾客满意度测评提供了一种实用的方法。     

BP算法在股指期货合约价格预测中的应用

本文将Matlab软件中BP算法工具箱中的newff函数引入到了股指期货合约价格的预测分析中,利用BP网络的数据压缩性以及非线性映射功能,模拟股指期货合约结算价与最高价、最低价、开盘价、收盘价、总持仓量、真实指数值、期货合约成交总金额之间的关系,建立了基于神经网络的股指期货合约结算价预测系统。用交易数据进行网络训练,生成网络后,用另外的数据对生成的网络进行验证,得出了该网络的预测精度较高,具备一定的应用价值。     

基于BP神经网络的沪深300股指期货价格预测

本文在BP神经网络的基础上,利用沪深300股指期货的每日收盘价,对其价格进行实际模拟和预测。模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对沪深300股指期货市场的预测是可行的。     

环渤海动力煤价格指数预测研究

环渤海动力煤价格指数素有"煤炭价格风向标"之称。本文运用EMD-ARMA组合预测模型对环渤海动力煤价格指数进行预测,通过与ARIMA、神经网络和灰色预测三种方法预测结果的比较,得出EMD-ARMA组合预测模型预测精度更高,更适合预测环渤海动力煤价格指数。最后基于研究结论,提出了促进我国煤炭行业稳定发展的对策建议。