作者：林焰; 杨建辉股指期货模糊信息粒化rbf神经网络减聚类算法支持向量回归机
摘要：为提高区间预测的精度，提出一种基于三角模糊信息粒化的改进径向基（RBF）与支持向量回归机（SVR）相结合的混合神经网络区间预测模型，对股指期货价格的变化区间进行预测。首先，对原始数据进行模糊粒化处理，获得相应的变化区间；其次，采取自组织学习策略并运用减聚类算法，对传统的RBF神经网络进行优化，改进模型的结构与参数；然后，运用SVR对模型滚动预测过程中产生的残差趋势作进一步的估计，从而修正预测值；最后，运用改进混合神经网络对模糊粒化后的沪深300股指期货数据进行实例验证。结果表明，基于模糊信息粒化的改进混合神经网络区间预测模型能够较为精确地预测股指期货价格的变化范围与价格走势，有效提高单一非参数模型的点预测与区间预测的精度和运行效率，同时具备较好的网络结构与拟合能力。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
