作者：张承钊自回归积分滑动平均模型人工神经网络遗传算法命中率均方误差
摘要：预测股票市场价格指数是一项具有挑战性的任务。许多学者尝试过多种模型来预测股票指数,主要有自回归积分滑动平均模型、人工神经网络、支持向量机、决策树和遗传算法等。本文采用神经网络预测中国基准股票指数——沪深300指数走势,试图通过改变输入数据和神经元数量等来取得更好的拟合效果。利用命中率和均方误差对预测精度进行测量。通过调整滞后阶数和隐层神经元个数,观察命中率的变化趋势。结果表明,通过并行输入向量数据对收盘价命中率的作用不大,但是能显著提高最高价和最低价的命中率。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
