本文主要目标是利用基于遗传算法的神经网络集成进行股票指数的中期预测,为股票买卖者和证券投资者进行投资参考。 为了实现此目标,本课题以遗传算法和神经网络为基础,以预测趋势的准确性为中心,重点讨论了如何利用基于遗传算法的神经网络集成进行股票指数中期预测。围绕着如何选择神经网络输入变量,如何确定神经网络结构,如何利用遗传算法进行神经网络集成,以及如何分析预测的准确性展开了详细研究。具体工作如下: 1.应用主成分分析进行输入变量的提取,从宏观因素、技术指标和历史数据中提取出有效的输入组合。基于主成分分析的神经网络改进了样本的输入因子数,消除网络输入间的相关性,同时减少了网络的输入数,简化了网络结构。从而提高了网络的学习速率和精度。 2.利用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变化趋势。利用修剪法确定网络结构,有效地解决了隐层节点的选取问题。 3.比较了神经网络集成中的最优集成,平均集成和加权集成。针对最优集成中出现权重为负数无法解释的问题,提出利用遗传算法进行非负神经网络集成。 4.对上证指数和深圳指数进行实际预测,结果证明本文的研究方法是实用而有效的。