基于萤火虫算法的组合神经网络对股票市场的预测方法技术

本发明专利技术涉及一种基于萤火虫算法的组合神经网络对股票市场的预测方法，包括以下步骤：随机选取某支股票收盘价作为研究对象，并且进行预处理；根据实际的输入输出构建组合神经网络主网络BP神经网络，并初始化权值和阈值；运用萤火虫算法计算BP神经网络的适应度函数最优值，得到最优的权值和阈值；把数据样本中的数据放入到建立的BP神经网络中进行训练；将BP神经网络前六天的预测误差作为输入变量，第七天的预测误差作为输出变量，建立RBF神经网络对残差进行二次逼近；将未进行训练的数据放入网络进行预测。本发明专利技术能够提高预测的准确性和稳定性。

Combinatorial Neural Network Based on Firefly Algorithms for Stock Market Prediction

The present invention relates to a combined neural network based on firefly algorithm for stock market prediction, which includes the following steps: randomly selecting the closing price of a stock as the research object and preprocessing; constructing the main network BP neural network based on the actual input and output, and initializing the weights and thresholds; calculating the suitability of BP neural network by using firefly algorithm The optimal weight and threshold of the corresponding function are obtained; the data from the data samples are put into the established BP neural network for training; the prediction error of the first six days of BP neural network is taken as input variable, and the prediction error of the seventh day is taken as output variable, and the RBF neural network is established to approximate the residual error twice; the untrained data is put into the network for prediction. The invention can improve the accuracy and stability of prediction.

【技术实现步骤摘要】
基于萤火虫算法的组合神经网络对股票市场的预测方法
本专利技术涉及股票市场预测
，特别是涉及一种基于萤火虫算法的组合神经网络对股票市场的预测方法。
技术介绍
股票市场是我们个人以及国家的重要经济活动，运用科学的方法研究股市的未来发展的规律，让投资人员可以更好的衡量股市的风险及价值，减少投资的盲目性。当然，通过对股票市场的预测，可以更好的维持国家股市的稳定，对于国家经济以及个人的生活都有着深远的意义。国内外对股票的预测时间开始很早，股票市场是一个多变量非线性动态系统，早期一般的预测方法基于线性，很难满足对股市精确预测的要求。而之后诸多学者也对股市进行了神经网络与其他方法的预测，比如BP神经网络模型、GARCH模型、ARIMA模型，以及概率神经网络、通过主成分分析构造神经网络输入矩阵、利用二次规划最优组合等进行预测等都逐渐取得了良好的效果。现在的预测方法依然很多，但不难发现组合神经网络研究中，通常是神经网络和其他不同模型之间的组合较为复杂，而直接利用神经网络之间的组合较少。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于萤火虫算法的组合神经网络对股票市场的预测方法，能够提高预测本文档来自技高网...

【技术保护点】
1.一种基于萤火虫算法的组合神经网络对股票市场的预测方法，其特征在于，包括以下步骤：(1)随机选取某支股票收盘价作为研究对象，并且进行预处理；(2)根据实际的输入输出构建组合神经网络主网络BP神经网络，并初始化权值和阈值；(3)运用萤火虫算法计算BP神经网络的适应度函数最优值，得到最优的权值和阈值；(4)把数据样本中的数据放入到建立的BP神经网络中进行训练；(5)将BP神经网络前六天的预测误差作为输入变量，第七天的预测误差作为输出变量，建立RBF神经网络对残差进行二次逼近；(6)将未进行训练的数据放入网络进行预测。

【技术特征摘要】
1.一种基于萤火虫算法的组合神经网络对股票市场的预测方法，其特征在于，包括以下步骤：(1)随机选取某支股票收盘价作为研究对象，并且进行预处理；(2)根据实际的输入输出构建组合神经网络主网络BP神经网络，并初始化权值和阈值；(3)运用萤火虫算法计算BP神经网络的适应度函数最优值，得到最优的权值和阈值；(4)把数据样本中的数据放入到建立的BP神经网络中进行训练；(5)将BP神经网络前六天的预测误差作为输入变量，第七天的预测误差作为输出变量，建立RBF神经网络对残差进行二次逼近；(6)将未进行训练的数据放入网络进行预测。2.根据权利要求1所述的基于萤火虫算法的组合神经网络对股票市场的预测方法，其特征在于，所述步骤(1)中的预处理为归一化处理，其让输入的数据控制在0到1之间，采用其中，X代表实际输入，min代表实际输入最小值，max代表实际输入最大值，x(t)代表预处理之后的网络输入。3.根据权利要求1所述的基于萤火虫算法的组合神经网络对股票市场的预测方法，其特征在于，所述步骤(2)中构建的BP神经网络的结构分为输入层、隐层以及输出层；输入层的节点由实际的输入个数决定；隐层的节点数根据来确定并调整，其中，m表示输入层的节点个数，α是一个随机的1～10的整数，n表示隐层的节点个数；输出层的个数根据实际需求来决定；其中，隐层...

【专利技术属性】
技术研发人员：李胡文莞，方建安，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31