模糊集值统计推理在股市预测中的应用

以灰色关联度为权重 ,5个技术指标的加权值为变量 ,探讨应用模糊集值统计推理方法预测股价波动趋势。     

股市动态分析30回顾及评价

股市动态30 指数上期收1329 点,本期收于 1351.3 点,上涨1.69%,其中股票组合上涨2.7%。 本期上证指数上涨0.62%,中小板指上涨1.47%, 创业板指上涨3.65%。股市动态30 指数自2008 年1 月1 日设立以来,上涨35.14%,同期上证指数 下跌35.14%。本周股市动态30 指数、股票组合 均跑赢上证指数。     

牛年股市收市点位预测

股市中的大盘点数及个股股价已被公认为随机变量,这种变量单个出现时不是固定的,是随机的,没有规律的。但是当这种性质的随机变量大量的、成群出现时,则表现出明显的规律性,通称为统计规律。用这种已知特性的统计规律作     

股市截拳道(一)

正上期写到"1851点为本次下跌目标位。期间如果有反弹,理论上在1945点一线,反弹时间一般不会超过2周,敬请各位朋友空仓等待!"首先更正一个小错误,理论上应该在1987一线,所指为1月20日的最低价1984点,而非前期的1945点,这是筹码的就近原则。如今股市自3月12日如期开始了反弹,当下问题是反弹真的不超过2周时间吗?这只是笔者根据经验的猜测,是不可靠的。最终还是根据技术分析来判断,请朋友打开上证指数60分钟级别,会发现一个微微上倾的旗形,这个小     

物理学家预测股市的未来

股市是一个非常难以分析的复杂系统，股市的产生到现在已超过三个世纪了，如果存在着可以预见其未来的某种模式，那么早就应当被人发现并利用了。     

需重视官媒对股市的影响力

从8月31日开始,沪深主板和创业板、中小板都不约而同地结束了调整,展开了新的一轮连续上攻,至本周四已经五连阳,沪深主板和中小板还创出了近15个月来的新高,上证指数向上突破2300点,一举填补了去年3月28日留下的约28点的向下跳空缺口（2301.26-2273.55点）。     

一种使用混沌神经网络的电力负荷预测方法

本文对实际电力月负荷数据进行预处理,将其分为趋势序列和剩余序列两部分。计算剩余序列的最大Lyapunov指数、延迟时间等参数,发现其混沌特征。提出了一种使用混沌BP神经网络的电力月负荷预测方法。根据历史负荷序列预处理和Lyapunov指数估算,确定了网络的训练样本和网络参数,通过对实际电力负荷进行预测,结果显示该方法具有一定的可行性。     

一种改进的神经网络算法在销售预测中的应用

本文针对传统神经网络算法的不足之处给出了一种改进算法,且将该算法应用于销售预测中,获得了良好的预测结果,可作为预测商品销售的一种手段.     

用于《模拟电子技术》中负反馈组态判别的一种新方法

《模拟电子技术》是一门专业基础课,量大难学,知识点多且难点多,最初学生学有兴趣和信心,但随着内容的深入,越来越难,放弃的学生较多,如何化难为易?针对难点之一的负反馈判别,本文提出了一种简单直观的观察法,取得了很好的教学效果。     

BP神经网络的改进及其在股票预测中的应用

研究了BP神经网络,对BP算法的权值初始化进行改进,使得其收敛速度更快,并建立了基于BP神经网络的股价预测模型．最后以深发展A的收盘价为例,分析改进后NBP神经网络模型的预测效果．     

基于Elman神经网络的时间序列股票价格短期预测

Elman神经网络是一种典型的回归神经网络,比BP神经网络具有更强的计算和适应时变特性的能力,因而非常适用于预测股市这一类极其复杂的非线性动力学系统。文章给出一种基于Elman神经网络的股票市场建模、预测及决策方法,对浦发银行股价在时间序列上作了连续若干天的短期预测,实验结果取得较高的预测精度、较为稳定的预测效果和较快的收敛速度。这表明该预测模型对于个股价格的短期预测是可行和有效的。     

Artificial Neural Networks: A New Approach to Predicting Application Behavior

In this article we examine how predictive modeling can be used to study application behavior. We apply a relatively new technique, artificial neural networks, to help us predict which students are likely to apply to a large Research I institution in the Midwest. We compare the results of these new techniques to the traditional analysis tool, logistic regression modeling. The addition of artificial intelligence models is an exciting new area and this article encourages other institutional researchers to use this technique to explore the complex processes found in our educational institutions.     

基于LM—BP神经网络的GDP预测模型及其应用

讨论了基于Levenberg—Marquardt（LM）算法的BP神经网络及其GDP预测的应用。LM算法利用误差函数二阶导数信息,对高斯一牛顿法的优化,相对传统的负梯度法而言,其收敛速度更快。最后以贺州市GDP为例,就预测的效率和精确度来说,LM—BP网络预测GDP的速度和精度明显优于标准的BP算法网络。     

均生函数和偏最小二乘回归神经网络集成的股市建模研究

建立股市预测模型是一个具有挑战意义的工作。利用均生函数（Mean generation Function,MGF）方法对股市时间序列重构,再利用偏最小二乘法提取对股市影响的综合变量作为神经网络的输入因子。利用Boosting技术和不同的神经网络算法,生成神经网络集成个体,用＂误差绝对值和最小＂作为最优准则,采用线性规划方法计算得到组合预测模型的各权系数,以此建立股市组合预测模型。通过S＆P500指数开盘价进行实例分析,并与传统的时间序列分析和其他集成方法对比,该方法能获得更准确的预测结果。计算结果表明该方法能充分反映股票价格时间序列趋势,为金融时间序列预测提供一个有效建模方法。     

基于过程神经网络的黑龙江省GDP预测

将过程神经网络应用于GDP预测,可以将时间序列中的时间累积效应充分考虑到预测中,能较好地解决传统GDP预测方法中的一些不足。运用黑龙江省1981年至2010年GDP与其影响因素数据,结合相关理论,建立了基于过程神经网络的GDP预测模型,对GDP进行了预测。结果表明,将过程神经网络应用于GDP预测问题中,可以得到较高的预测精度,预测效果较好。     

非线性时间序列的神经网络预测的研究

采用各种改进的BP算法及径向基神经网络来逼近非线性映射Xn 1=4Xn(1-xn)，揭示了人工神经网络有非常强的逼近非线性映射的能力。同时也分析对比了各种算法的性能，讨论了几种改善人工神经网络功能的途径。     

基于灰色预测与BP神经网络的全球温度预测研究

为深入了解全球变暖缘由及影响,探究变暖是否停滞,考虑地球吸热、散热及海洋温度变化等因素,构建一种全球温度预测模型,预测未来25年温度变化。采用主成分分析法找出贡献度较大的3个主成分,再用3组灰色预测模型预测海洋平均温度、二氧化碳排放量、太阳长波辐射等8个变量,并进行光滑比、级比和残差检验。结果表明,预测符合前29年（1990-2018年）时间序列图规律,用历史数据训练BP神经网络,然后把8个变量的预测值代入神经网络,拟合优度为0.922 72,精度非常高,可以看出全球平均温度距平序列越来越大,说明温度正逐渐升高,而不是停滞。     

新型神经网络的发展及其应用

人工神经网络是指模拟人脑神经系统的结构和功能,运用大量的处理部件,由人工方式建立起来的网络系统。近几年来,人工神经网络的研究工作十分活跃,取得了很大的进展,研究开发出了几十种神经网络的模型,出现了多种新型神经网络结构。本文重点介绍了近年来几种新型神经网络的基本模型及典型应用,包括小波神经网络、模糊神经网络、进化神经网络、细胞神经网络、混沌神经网络,同时比较了这几种新型神经网络的优势和不足。最后,根据这几种新型神经网络的特点,展望了它们今后的发展前景。     

BP网络的结构动力响应预测

由于结构主动控制对地震反应振动控制的高效性，使主动控制在建筑结构振动控制领域中，具有广阔的应用前景，但是主动控制存在难以建立一个精确的数学模型，存在时滞效应等问题。神经网络不需要建立精确的数学模型，只是通过学习输入输出训练样本数据，就可归纳出隐含在系统输入输出中的关系；应用神经网络预测结构响应可以解决主动控制中的时滞问题，为控制决策提供依据。本文就最常用的BP神经网络进行研究，用BP神经网络对结构响应进行预测，以期能为结构主动控制提供一种新的思路。