摘要：最近邻算法在时间序列的预测已有实例，虽算法简单易理解，但准确度不高。本文在最近邻法基础上结合BP网络技术，使得在输入神经网络之前对数据起到预处理的作用，并训练神经网络最优解。
关键词：BP神经系统；K-近邻算法；时间序列分析；股价预测
1007-9599 （2012） 22-0000-03
1 引言
股票市场是以一个复杂的非线性动态系统，传统的时间序列预测策略时间序列中数值上的统计关系来揭示系统的线性动态结构特征及其发展变化规律很难揭示其内在的规律。近年来，神经网络为股票市场的建模与预测提供了新的技术和策略。对神经网络的深入研究，领域间相互独立的关系逐渐转变，充分发挥了各自的优势并且弥补了各自的不足，提高了实例检索的速度和精度，学习机制可以自动调整其内部连接强度，具有自组织自学习能力和很强的自适应能力，具有记忆功能的神经网络可减少在实例检索过程中对数据库的频繁操作。
2 网络模型
3 金融优化中时间序列的基本模型
金融时间序列预测的策略，如果能确定相关随机变量的变化趋势符合某个数学公式，则可以数学回归的策略求得相关的参数，从而预测随机变量未来的趋势，基本模型有ARIMA模型，移动平均模型，指数光滑模型，线性回归模型等。本文只利用指数光滑模型和ARIMA模型。
4 实验结果
5 结论
本文实验应用SPSS软件完成。从上面的实验结果可以看出生物智能计算法应用在金融预测方面的实用性和有效性。在近邻算法上加入神经网络使得预测结果有效，虽算法简单易理解，希望多种策略以取长补短，可仍有的不足。
参考文献：
[1]李正辉，吕忠伟.单变量时间序列模型的识别[J].理论新探，2006，9：11-13.
[2]胡萍.基于人工神经网络和最近邻算法的实例检索模型[J].设计与研究，2008，12：4-11.
[3]姜静清，梁艳春，宋初一.神经网络及其在股市预测中的应用[J].内蒙古民族大学学报，2002，17（5）：406-407.
[4]余小鹏，周德翼.一种自适应K-最近邻算法的研究[J].计算机应用研究，2006，2：70-72.
[5]杨梦雄，杨贯中.基于K-最近邻算法的话务智能预测技术[J].科学技术与工程，2007，7（21）：5544-5566.
[6]徐成贤.优化金融学[M].北京：科学出版社，2003.
[作者简介]张凤贤（1962.7-），女，中级统计师，现任冀东水泥吉林有限责任公司副总经理。毕业于吉林省财贸学院统计学专业，研究方向：统计与管理。系统的线性动态结构特征及其发展变化规律很难揭示其内在的规律。近年来，神经网络为股票市场的建模与预测提供了新的技术和策略。对神经网络的深入研究，领域间相互独立的关系逐渐转变，充分发挥了各自的优势并且弥补了各自的不足，提高了实例检索的速度和精度，学习机制可以自动调整其内部连接强度，具有自组织自学习能力和很强的 WWw.808so.com 808论文查重
对于基于金融时间序列股票预测方法
更新时间：2024-04-16
作者：用户投稿
本站原创
本站原创
点赞:4238 浏览:11050