最小一乘回归神经网络集成方法股市建模研究

摘要：

提出了一种新的神经网络集成股市建模方法,采用偏最小二乘方法构造神经网络输入矩阵,利用Bagging技术和不同的神经网络学习算法生成集成个体,再用遗传算法选择参与集成的个体,以"误差绝对值和最小"为最优准,建立最小一乘回归神经网络集成模型,通过上证指数开盘价、收盘价进行实例分析,计算结果表明该方法具有较好的学习能力和泛化能力,在股市预测中预测精度高、稳定性好.

关键词：偏最小二乘回归、神经网络、遗传算法、神经网络集成、最小一乘回归、泛化能力

所属期刊栏目：28

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金40675023;广西教育厅基金200508234

在线出版日期：2008-04-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：5812-5815,5818