面向金融数据的神经网络时间序列预测模型

摘要：

针对Elman神经网络模型,通过引入时间权重与随机性因素,提出了改进的Elman神经网络模型,提高了现有Elman神经网络针对时序数据预测的精度.提出了基于时序数据的特征学习框架,可评估多个特征参数对结果的联合影响.在此基础上,提出了一个互联网金融风险预测模型,实验结果表明,所提出的模型在金融时序预测中具有更好的准确度.

关键词：时间序列、Elman神经网络、特征选择、特征提取、Clamping神经网络

所属期刊栏目：35

分类号：TP183(自动化基础理论)

资助基金：四川省科技厅应用基础资助项目2017JY0007,2017JY0037,2018JY0073;国际合作项目2018HH0075;省院省校合作项目2017JZ0031;海外留学回国人员科研启动费基金

在线出版日期：2018-12-05（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：2632-2637