文献详情
基于IDNPSO-BP神经网络的股票市场指数预测
外文标题：Stock Market Index Forecasting Based on IDNPSO-BP Neural Network
文献类型：期刊
作者：刘家和^[1]金秀^[2]陈露艳^[3]苑莹^[4]
机构：东北大学工商管理学院,辽宁沈阳,110819;中国人民大学财政金融学院,北京,100872

通讯作者：Liu, J.-H.(andyliu0392@163.com)
年：2013
期刊名称：东北大学学报（自然科学版）
卷：34
期：6
页码范围：901-904
增刊：增刊
收录情况：EI(20132816483874)CSCD(CSCD:4852933)
所属部门：财政金融学院
语言：中文
ISSN：1005-3026
链接地址：http://d.g.wanfangdata.com.cn/Periodical_dbdxxb201306033.aspx
DOI：10.3969/j.issn.1005-3026.2013.06.033
基金：国家自然科学基金资助项目; 中央高校基本科研业务费专项资金资助项目
关键词：神经网络;动态邻居;粒子群算法;市场指数;预测
摘要：针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法(DNPSO).为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型(IDNPSO-BP神经网络).利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.
作者其他论文



暂无数据...