基于主成分的遗传神经网络股票指数预测研究

基于主成分的遗传神经网络股票指数预测研究

2 0 2 0 .5 2 ) 1 0 9 4 (6

C m u rE gnei n p l aos计算机工程与应用 o p t n i r g ad A p i t n e e n ci

基于主成分的遗传神经网络股票指数预测研究智晶,张冬梅,姜鹏飞Z ig Z HIJn, HANG Do g me,I n - iJANG P n—e e g fi

中国地质大学计算机学院,武汉 4 0 7 30 4D pr eto o p trS i c,hn nvr t o esine( hn, hn 4 0 7, h a e a m n fC m ue c ne C ia U i sy fG oc csWu a )Wu a 30 4 C i t e e i e nE ma: in l2@1 3 o - i z j g 7 6 . r l hi 1 cnZm Jn . HANG Do g- iJ ANG Pe g— e . s d n ig Z n me,I n fjBa e o PCA o e e c e r l ewo k r dc o o so k n e . f g n t n u a n t r p e it n f tc id x i i

C mp tr E g e r g a d A p i t n,0 9 4 ( 6: 1 - 1 . o ue n i e i n p l a o s 2 0,5 2 ) 2 0 2 2 n n ciAb t a t Daa fr c s e u i s n mp r n o i o i t e i a c a n e t n e d t e e e t d n u v r b e a e t h s c: r t o e a t o c pe a i o a t p s in n h f n il i v sme t f l,h s lc e ip t a a l s f c te t t n i i

sed ad acrc ff eat,a ioa m to so eet gip tvr be ujc v,n oeat nf c v.o bn ee pe n cuayo o cs t dt nl ehd slcn u a alssbet ead fr s ie et e m ieG n~ r sr i f i n i i c f i C i A grh sG c l i m ( A)wt B e rlntokuig G Sg blt sac pi i d B e ok sutr aa ee,vro e t ot i P n ua e r,s A' l a o erh o t z P n t r t c e prm tr oecm h h w n o m e w r u s elc lc n eg n e a d oh r is e f B lo tm f cieyUsn r cp l C mp n n ayi ( C o a o v re c n te su s o P agr h e e t l. ig P n ia o o e tAn ss P A) t ee tip tv r i v i l o slc n u ai—a ls a d GA- P h b d be,n B y r mo ei g s a p id t h h n h i so k i d x p e it nEx e me tl e u t h w t a h s me o i d l i p l o t e S a g a t c n e r d ci . p r na r s l s o h t ti t d n e o i s hi r v s t e p e it n a c r c n c iv s a b t r p e it n mp o e h r d c i c u a y a d a h e e e t r dc i . o e o

Ke od:P n i lC m oetA ayi P A)B erln to;eei agrh sG - P n ua ntok s c o csn y w r s r c a o pn n nls ( C; P nua e r gnt lo tm; A B erl e r;t k f eat g i p s w k c i w o r i

摘

要:数据预测在金融投资领域占有重要地位,预测中输入变量的选取影响着预测的速度和精度,传统方法选取输入变量主观

性较强,预测效果欠佳.将遗传算法与 B P网络结合,利用 G A的全局搜索优化 B P网络的结构参数,有效克服 B P算法的局部收敛等问题 .用主成分分析法选取输入变量,使并将 G卜- P混合建模应用于沪市综合指数预测中. B实验结果表明,该方法改善了预测精度,到了较好的预测效果 .达

关键词:主成分分析; P神经网络; B遗传算法;遗传神经网络;股票指数预测 DOI1.7 8 .S. 0— 3 1 0 9 6 6文章编号:0 2 8 3 ( 09 2— 20 0文献标识码: 中图分类号:P 8:037~i n1 2 83 . 0 . . 3 s 0 2 20 10— 3 1

2 0 )6 0 1— 3 A T I3

1引言数据预测在金融投资领域占有重要地位,而股票指数预测具有变换幅度大,变化因素多,变化不稳定等特性,融数据是金中最复杂的数据类型之一 .国内外学者提出了许多基于神经网络的股票预测方法,较好地优化了网络结构,但都没有考虑输入变量的选取.输入变量过多时,网络结构复杂,了神经加重网络的训练负担,学习速度急剧下降;同时,主观选择很有可能包含与输出相关性很小的输入变量,增加了陷入局部极小点的

有效克服 B P算法的局部收敛等问题 .

2主成分分析法原理与步骤主成分分析的基本思想是通过降维过程,将多个相互关联的数值指标转化为少数几个互不相关的综合指标的统计方法, 即用较少的指标来代替和综合反映原来较多的信息,这些综合后的指标就是原来多指标的主要成分.它的处理方法是先利用

主成分分析对多变量参数矩阵进行处理,由于主成分分析的实质是空间的坐标旋转,并不改变样本数据结构,得到的主成分

可能性,不但不能提高预测精度,降低了神经网络预测的反而性能 .股票市场是多维的动态非线陛系统,因素很多,影响包括历史数据,技术指标,宏观因素等多种变量,只有从中找出一组合适的输入才能有效地解释股票市场的变化关系,才能对各种条件下的股价趋势作出准确的预测.而 B P网络算法是建立在梯度下降算法的基础上,有学习过程收敛速度慢,容易陷入局部极小点,鲁棒性不高等缺点 .这些缺点使 B P神经网络在一些复杂的非线性系统的模拟方面存在着致命的弱点.遗传算法

是原变量的线性组合,两两不相关,最大程度地反映而且能够原变量所包含的信息,以一定标准选取前几个较重要的主成分之后,原来的多维问题大大简化 .具体的计算步骤如下:

设 m个变量 ( ),,,的 n指标 … 次观测数据阵Xl Xl l 2X2 X 2 1 2…

l…

●

是模拟生物进化过程的全局优化搜索算法嘲将遗传算法与 B , P网络结合,利用 G A的全局搜索优化 B P网络的结构参数,以可

:

X 1

2

…

基金项目:国家高技术研究发展计划(6 ) h aoa Hg— ehR s r n ee p et l fC i ne GatN. 0A 776 ) 83( eN tnl i Tc ee c adD v om n Pa o h audr r o 05 A 900 . t i h ah l n n n 2 作者简介:智晶(92 )女, 18一,硕士研究生,研究方向:主要数据挖掘,神经网络;张冬梅 (92 )女,授, 17一,副教硕士生导师,主要研究方向:智能计算, 三维可视化;姜鹏飞(95 )男, 18~,硕士研究生,主要研究方向:神经网络,演化计算,智能信

息处理 .收稿 1期:0 8 0~ 7 3 20— 4 1修回 1期:0 8 0— 7 3 2 0— 7 0

基于主成分的遗传神经网络股票指数预测研究

智晶,张冬梅,姜鹏飞:基于主成分的遗传神经网络股票指数预测研究 () 1对原始数据标准化:目的是使单位不同的各项指标值

之间具有可比性,即令Y, X t Xt i -— i -一

户∑∑( .) _ .… 1=1

() 9

() 2厂————=——————~

其中 O为输入第 P个训练样本时第 i节点的输出值,为 p i个 d期望的输出值, k为训练集合大小,, r为输出值的神经元数. t

n

其 X 1~ t) 1 ',中= t= (X (川 f y X t 2// i n -…

33选择算子 .利用轮盘赌和最优个体保存策略 .通常使用的轮盘赌选择操作隐含着一个问题,即在进化过程中,可能某一代的最优解被交叉和变异所破坏,从而可能导致退化.采用最优保留策略

,

m)为了方便起见,,标准化后的 Yi,仍记为 X . () 2计算 m个变量的相关系数阵 RR Lo )=r ( () 3

和对剩余的个体采用排序选择法进行比例选择的方法 .

34交叉算子 .采用算术交叉( rh e c Cosvr, A i m t rsoe)按概率 P对选出的 t i

其中=

X(

' j1, ' m;=

'

.

() 3确定主成分个数一

两个个体 X,2进行交叉操作, 1X,产生两个新个体 X1 X 其 2, .中,为选中的交叉点,≤,为染色体长度,为设定的实 i 1≤n n a数,<< . 0 a 1X1= X1+ 1 a) a ( - x2

般 k i个分的率,式(为 称A∑A/为第主成贡献称 4前 )

k个主成分的累积贡献率 .

X=-X+2 2(a1: '1). ( 35变异算子 4 ) .

() 1 0

∑a∑A l / …… 此处隐藏：7095字，全部文档内容请下载后查看。喜欢就下载吧 ……