本文针对股票市场这一非线性系统进行了智能预测,整个系统包括三个部分:数据的预处理,即有效输入变量的选取;神经网络模型的建立:网络结构的全局优化;最后是应用仿真实例。 从输入变量的选取到模型的优化都应用了新的方法,提出了新的解决思路,结果证明是有效而实用的,从理论、应用方面都有一定的价值。 1.由模糊数学理论本身适合于解决股票市场这一高度非线性系统的特点出发,应用模糊曲线法进行了输入变量的选取,从影响股票价格的历史数据、技术指标、宏观变量等因素中识别出了有效的输入组合。该方法相较于以前的数理统计等方法,不仅不需要繁复的计算量,而且从结果看,既选出了重要的变量,又排除了其中相关性很强的变量。 2.利用BP神经网络建立预测模型,采用单隐层多输入单输出系统,预测股票价格未来六周的收盘价中期变化趋势。同时引入遗传算法对网络结构进行了网络连接权值与隐层结点的全局优化,有效的解决了神经网络隐层结点的选取问题,并且给出了最优的权值分布。 3.对“东风汽车”个股与上证指数进行了预测仿真,结果证明本文的研究方法是实用而有效的。不仅简化了网络结构,而且提高了预测精度。