CAJ | 학술논문

为了预测股票价格的短期走势,在预测算法中引进RBF神经网络,利用RBF神经网络具有唯一最佳逼近、无局部极小、学习速度快的特点,在预测股票行情时,能达到较高的精度.同时,为了优化RBF网络的输入参数结构,引入二次参数的概念,设计了基于灰关联理论的技术指标选择控制器,从众多的技术指标中选出部分最能反映股票近期趋势的指标,从而获得包含股市本质信息的低维输入,大幅度减少了运算量.最后,在综合两者优势的基础上构造了一种新型价值预测系统,该系统具有较快的运算速度和较高的预测精度.仿真实验表明,该方案是可行的.
위료예측고표개격적단기주세,재예측산법중인진RBF신경망락,이용RBF신경망락구유유일최가핍근、무국부겁소、학습속도쾌적특점,재예측고표행정시,능체도교고적정도.동시,위료우화RBF망락적수입삼수결구,인입이차삼수적개념,설계료기우회관련이론적기술지표선택공제기,종음다적기술지표중선출부분최능반영고표근기추세적지표,종이획득포함고시본질신식적저유수입,대폭도감소료운산량.최후,재종합량자우세적기출상구조료일충신형개치예측계통,해계통구유교쾌적운산속도화교고적예측정도.방진실험표명,해방안시가행적.