改进的RBF神经网络算法在金融时序列预测中的应用

摘要：

在混沌理论的基础上,利用改进的RBF神经网络算法对金融时序列数据进行预测,训练过程中采用动态方法调整径向基函数的中心点和宽度.最后通过对股票数据进行多日滚动预测证明该算法较改进前提高了预测的准确度,缩短了训练时间.

关键词：径向基函数、最近邻聚类、最小二乘法、时序列、混沌理论

所属期刊栏目：18

分类号：TP3;O29

在线出版日期：2010-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：176-178,186