文献类型：期刊文章

作　　者：郑睿颖[1] 伍应环[2]

机构地区：[1]江西科技师范学院数学与计算机科学学院,江西南昌330013 [2]南昌理工学院经济管理系,江西南昌330013

出　　处：《计算机仿真》

年　　份：2011

卷　　号：28

期　　号：10

起止页码：393-396

语　　种：中文

收录情况：BDHX、BDHX2008、CSCD、CSCD_E2011_2012、ZGKJHX、核心刊

摘　　要：研究准确优化预测股票价格问题,针对影响股票价格具有非线性、不稳定的特征,股票价格由于受到社会经济因素的影响,变化大。采用传统神经网络方法在股票价格预测中易陷入局部极小值,泛化能力受到影响。为了提高股票价格精度,提出一种基于粒子群优化算法(PSO)的RBF神经网络(RBFNN)股票价格预测模型。利用粒子群优化算法的良好的寻优能力,对RBF神经网络参数进行优化,从而加快RBF神经网络运算速度,并提高了RBF神经网络的预测精度。利用粒子群优化的RBF神经模型对上证指数(000001)股票价格进行了验证性测试和分析,实验结果表明,相对于各参比模型,经过粒子群优化的RBF神经网络模型预测方法有更好的收敛性,更强的学习能力,显著地提高了预测精度,可为预测提供依据。

关 键 词：股票价格 神经网络 粒子群算法

分 类 号：TP183]