基于IDNPSO-BP神经网络的股票市场指数预测
来源期刊：东北大学学报(自然科学版)2013年第6期
论文作者：刘家和 金秀 陈露艳 苑莹
文章页码：901 - 904
关键词：神经网络;动态邻居;粒子群算法;市场指数;预测;
摘 要：针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法（IDNPSO）.为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型（IDNPSO-BP神经网络）.利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.
刘家和1，金秀1，陈露艳2，苑莹1
1. 东北大学工商管理学院2. 中国人民大学财政金融学院
摘 要：针对动态邻居粒子群算法的局限性,引入新的动态邻居拓扑结构,动态调整粒子群算法参数设置,提出改进的动态邻居粒子群算法（IDNPSO）.为了提高BP神经网络模型的预测准确性,提出一种基于改进动态邻居粒子群算法的BP神经网络模型（IDNPSO-BP神经网络）.利用IDNPSO-BP神经网络和GA-BP神经网络对上证指数、深证指数进行预测,结果表明IDNPSO-BP神经网络的预测误差优于GA-BP神经网络,具有股票市场指数预测能力.
关键词：神经网络;动态邻居;粒子群算法;市场指数;预测;
