10.3969/j.issn.1005-0523.2013.02.010
基于PSO的神经网络优化证券投资组合方法研究
针对传统人工神经网络中的BP(back propagation)神经网络自身局限以及其迭代次数多、收敛精度不高和泛化性差等缺点,提出了一种基于粒子群(particle swarm optimizer,PSO)算法的BP神经网络优化证券投资组合方法.在BP神经网络优化方法中,采用PSO算法替代了BP神经网络的梯度下降法,得到最优解,从而对BP神经网络模型进行优化.将该方法应用于证券投资组合的优化中,实验结果证明:该优化方法优于传统的BP神经网络优化方法.
粒子群算法、神经网络、证券投资组合
TP183;F830.91(自动化基础理论)
2013-05-30(万方平台首次上网日期,不代表论文的发表时间)
共5页
42-46