|
|||||
|
|
| 基于改进粒子群算法的神经网络优化证券投资组合方法 | |
| 引用本文： | 黄招娣.基于改进粒子群算法的神经网络优化证券投资组合方法[J].井冈山学院学报,2014(3). |
| 作者姓名： | 黄招娣 |
| 作者单位： | 华东交通大学电气与电子工程学院; |
| 基金项目： | 教育部人文社会科学研究基金项目“基于折线模糊神经网络的证券投资组成合方法研究”(项目编号:12YJCZH078) |
| 摘 要： | 采用人工神经网络对证券投资进行预测与分析的研究过程中,提高神经网络各个节点参数的优化能力是极其关键的。传统的神经网络存在学习速度慢、易陷入局部极小值、预测结果精度较低等缺点,一种改进型粒子群(Improved Particle Swarm Optimizer,IPSO)算法,可以优化BP(Back Propagation)神经网络,并将优化后的BP神经网络应用于优化证券投资组合中。实验结果表明:该研究方法能够在预测精度和稳定性方面明显优于传统的PSO-BP神经网络优化证券投资组合方法。 |
| 关 键 词： | 粒子群算法 IPSO BP神经网络 证券投资组合 |
| 本文献已被 CNKI 等数据库收录！ | |