南开大学学报（自然科学版）
南開大學學報（自然科學版）
남개대학학보（자연과학판）
ACTA SCIENTIARUM NATURALIUM UNIVERSITATIS NANKAIENSIS(NATURAL SCIENCE EDITION)
1999年
3期
95-98
,共4页
时间序列%神经网络%股票及市场的预测
時間序列%神經網絡%股票及市場的預測
시간서렬%신경망락%고표급시장적예측
time series%neural network%stock and market forecasts
本文用前馈神经网络的背传(BP)算法对股票交易进行了时间序列预报的研究.文中计算所采用的训练结果是价格绝对平均误差与实际值相比小于0.048,训练结果与实际值的相关系数大于0.9998.结果显示,如果神经网络可以被一组交易数据训练好,则对该时序系列的预报将会是成功的.
本文用前饋神經網絡的揹傳(BP)算法對股票交易進行瞭時間序列預報的研究.文中計算所採用的訓練結果是價格絕對平均誤差與實際值相比小于0.048,訓練結果與實際值的相關繫數大于0.9998.結果顯示,如果神經網絡可以被一組交易數據訓練好,則對該時序繫列的預報將會是成功的.
본문용전궤신경망락적배전(BP)산법대고표교역진행료시간서렬예보적연구.문중계산소채용적훈련결과시개격절대평균오차여실제치상비소우0.048,훈련결과여실제치적상관계수대우0.9998.결과현시,여과신경망락가이피일조교역수거훈련호,칙대해시서계렬적예보장회시성공적.
The time-series forecasting for stock trading market is studied by using the feedforward neural networks with back-propagation algorithm. In this work, the trained mean absolute error of price ≤0.048 and the trained correlation coefficient ≥0.9998 has been achieved. The results show that if the network can be well trained with a set of trading data, the forecasting could be made satisfactorily.
