2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、我國股票市場是一個非線性動力系統(tǒng).通過本文和眾多研究結(jié)果表明,用傳統(tǒng)的時(shí)間序列模型對股票價(jià)格進(jìn)行預(yù)測,由于受其非線性映射性能弱以及難以確定合適的模型結(jié)構(gòu)的制約,因而對股票價(jià)格的相關(guān)預(yù)測大多很難取得理想的效果.神經(jīng)網(wǎng)絡(luò)作為一種現(xiàn)代的智能信息處理方法,具有依據(jù)數(shù)據(jù)自適應(yīng)學(xué)習(xí)、非線性映射性能強(qiáng)等特點(diǎn),適用于處理類似股票價(jià)格這類的復(fù)雜非線性問題.本文首先運(yùn)用傳統(tǒng)的時(shí)間序列模型對股價(jià)指數(shù)序列進(jìn)行建模分析,其預(yù)測結(jié)果基本反映了股價(jià)指數(shù)的未來的趨勢與

2、走向.在選用神經(jīng)網(wǎng)絡(luò)技術(shù)的過程中,筆者查閱相關(guān)文獻(xiàn)和在相關(guān)的實(shí)驗(yàn)的基礎(chǔ)上,選用了廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)技術(shù),與傳統(tǒng)的BP網(wǎng)絡(luò)相比,GRNN的計(jì)算速度快,結(jié)果穩(wěn)定,人為選定的參數(shù)少.通過運(yùn)用MATLAB6.5平臺的GARCH和ANN工具箱,對股價(jià)指數(shù)序列建立自回歸移動平均模型(ARMA)和GRNN模型,并對股價(jià)指數(shù)進(jìn)行預(yù)測,結(jié)果表明說明傳統(tǒng)的時(shí)間序列模型在非線性逼近能力上明顯差于神經(jīng)網(wǎng)絡(luò).為了提高預(yù)測的精確度,本文提出ARMA-廣義

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論