改进小波分析与神经网络的股票成交价预测

摘要：

本文针对数据采集过程中包含噪声信号的问题,提出了一种新的小波阈值函数去噪方法对股票历史数据进行去噪处理,以消除噪声对预测精度的影响,然后将去噪后的数据应用于BP神经网络模型(BPNN)、典型惯性权重值的粒子群算法-BP神经网络模型(PSO-BPNN)和改进惯性权重的粒子群算法-BP神经网络模型(IPSO-BPNN).经实验对比分析可知,去噪后的股票数据比原始数据预测效果更好,且IPSO-BPNN比PSO-BPNN和BPNN预测精度更高,由此证明了小波去噪过程的必要性和改进粒子群算法优化神经网络的有效性.

关键词：小波分析;粒子群优化算法;惯性权重;BP神经网络;混合预测模型

分类号：F201(国民经济管理)

资助基金：河北省自然科学基金科学基面上项目"执行器故障下非最小相位高超声速飞的预设时间容错控制研究";秦皇岛市科学技术研究;发展计划项目"基于时间序列分析的产品质量检测方法研究";横向科研"北京卫星环境-装调模块集成研制与调试"

在线出版日期：2021-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-79