粒计算思维下的BP神经网络在金融趋势预测中的应用

被引：21

作者：

沈泽君 ^{[1
]}

杨文元 ^{[1
,2
]}

机构：

[1] 闽南师范大学福建省粒计算及其应用重点实验室

[2] 闽南师范大学数据科学与智能应用福建省高等学校重点实验室

来源：

小型微型计算机系统 | 2019年 / 40卷 / 03期

关键词：

粒计算; BP神经网络; 粒度矩阵; 金融趋势预测;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算]; F832.51 [];

学科分类号：

140502 [人工智能];

摘要：

BP(Back Propagation)神经网络在金融趋势预测上得到了广泛的应用,其通过反向传播误差来调整模型的权重与偏值,能够较强的适应金融的走向趋势.但是由于金融趋势的周期性变化多端,不同周期下对预测值的影响不一,传统的BP神经网络在金融趋势预测上存在一定的局限性.本文充分考虑金融趋势周期粒度这一特性,提出了基于粒计算思维的BP神经网络(Back Propagation on Granular Computing,BPGC). BPGC算法首先对数据集进行不同粒度划分、构造粒度矩阵,然后根据粒度矩阵进行BP训练得出各粒度下的权值,最后对各粒度的预测结果进行加权平均,得出预测结果.在浦发银行股票收盘价数据集上进行实验,与传统的BP神经网络进行比对,实验结果验证了BPGC算法的有效性.

引用

页码：527 / 532

页数：6

共 8 条

[1]

基于优化BP神经网络和粒计算的股指预测研究 [D].

张翔宇 .

南京大学,

2012

[2]

Exponent back propagation neural network forecasting for financial cross-correlation relationship.[J].Haiyan Mo;Jun Wang;Hongli Niu.Expert Systems With Applications.2016,

[3]

A dynamic all parameters adaptive BP neural networks model and its application on oil reservoir prediction.[J].Shiwei Yu;Kejun Zhu;Fengqin Diao.Applied Mathematics and Computation.2007, 1

[4]

一种基于模块化神经网络的场强预测方法 [J].