基于阶段评价的BP及在股价预测中的应用

研究了BP中收敛速度慢、局部极小值的问题,针对现有研究中的改进方法对BP的性能提升有限,从疲劳的角度出发,提出了一种新的改进方法—阶段化评价法(Phase Eva luation),进行一阶段学习后对性能指标进行评价,并用于调整下一阶段学习方式。改进后的BP网络具有收敛速度快、稳定性强,易于跳出局部极小值的特点。为验证阶段化评价法的有效性,将其用于股票价格的预测与分析,在对股票数据的组织上不是直接拟合股价走势曲线,而是拟合期望收益率的出现概率。实验结果表明基于阶段评价的BP不但学习性能比传统BP高,而且结合文中的股票数据组织方式可以提高实际股票交易的操作性,获得较好的年投资收益率。