径向基神经网络在股市预测中的应用.pdfVIP

维普资讯 Feb．2005 2005年 2月 安庆师范学院学报 (自然科学版) 第 l1卷第 1期 JournalofAnqingTeachersCollege (NaturalScience) VO1．11NO．1 径向基神经网络在股市预测中的应用 冯学军h。，赵琴 (1．合肥Z-业大学 计算机与信息学院， 安徽 合肥 230009；2．安徽省化学Z-业学校， 安徽 安庆 246011 摘 要 ：将 RBF神经网络应用于股市的预测 中，以上证指数和海虹控股为对象进行建模和预测，仿真实验 表明，该 RBF网络具有较好的学习和推广能力，对股价的预测达到了较好的效果。 关键词 ：股票市场)RBF神经网络；时间序列；预测 中图分类号：N945．24 文献标识码：A 文章编号：1OO7—4260(2005)01一OO29一O3 近 年来 ，由于神经 网络 技术 的飞速发 展 ，为股 票市场 预测 中新 技术 、新 方法 的应用 提供 了有利 条 件 。在金融领域 ，以欧美为中心 ，很多学者将神经 网络预测方法应用于股票价格 的预测 ]，径 向基 函数 神经 网络 (Radialbasisfunctionneuralnetwork，RBFNN)是一类局 部最 小 网络 ，和普通前馈 网络相 比， 其优点在 于结构 简单 ，训练简 洁 ，用 线性的学 习算 法来完 成 以往非线性 学 习算 法所做 的工 作 ，同时它又 能保持 非线性算 法 的高精度 的特点 。[a本文 采用正 交最小二乘法训 练 RBF神经 网络 ，并应 用于股 市预 测 。 1．RBF神经 网络结构和 学 习算 法 1985年 ，Powell提 出了多变量插 值 的径 向基函数 (Radial—BasisFunction，RBF)方法 。1988年 ， Broomhead和 Lowe首先 将 RBF应 用于 神经 网络设计 ，构 成 了径 向基 函数 神经 网络 ，即 RBF神经 网 络 。结构上看 ，RBF神经 网络属 于多层前馈神经 网络 。它是一种三层 前 向网络 ，输入层 由信号源结点组 成 ；第二层为隐含 层 ，隐单元 的变换函数是对 中心点径 向对称且 衰减 的非 负非线性 函数 ；第三 层为输 出 层 。RBF神经 网络 结构简单 、训 练简洁而且学 习收敛速度快 ，能够逼近任意 非线性函数Ⅲ。图 1是其拓 扑结构 图 。 不 失一般性 ，假定输 出层 只有 一个 隐单 元 ，令 网络 的训 练样 本对为 (x ，d)(n一1，2…，N)，其 中 x 一 Ex ，xn2，…x ，… ，x ]，(n一1，2… ，N)，为训练 样 本 的输 入 ，d (n一1，2… ，N)为训 练样 本 的期望 输 出 ，对应 的实际输 出为 Y (n一1，2… ，N)；基函数 P‘(x，t．)为第 i个 隐单 元的输 出，t．一Et tl2’… ，t．… ， ti](i一1，2，… ，I)为基 函数 的中 L-；(t，i(1，2，… ，I)为第 i个 隐单元与输 出单 元之 间的权值 。 当 网络输 入训练样本 x 时 ，网络实 际输 出为 ： 1 ] V(X )一25mi(X ，t。) (1) 当 “基 函数 ”为高斯 函数 时 ，可 如下表 示 ： (xn)ti)一exp[一 lx【一til【] (2) RBF神 经 网络要 学 习的参 数有三 个 ：基 函数 的中 L-和方 差 以及权 值 。本 文采 用 正交 最 小二乘 法 (OrthogonalLeastSquare，OLS)，它利用 了线性 回归模型 ： d一25 pl(t，iq-e， n一1，2，… ，N (3) 其 中I(IN)为 隐单 元的个数 ，