摘要
基于股指期货数据量大,数据噪声较多等多个特点,采用小波去噪的方法首先对选取的数据进行清洗,再利用神经网络进行训练预测,发现这样相结合的方法可以有效减少神经网络模型的误差。选取2012年7月24日至2018年10月12日共1528个交易日的最低价、最高价、开盘价和收盘价的沪深300股指期货数据作为神经网络模型的学习分析对象,通过不断地修改参数,调试从而减小误差,再对未来走势进行预测。结果发现BP神经网络模型与Elman神经网络模型比较,BP神经网络模型对于股指期货数据的分析预测更具有优越性,最终的预测结果与实际相比准确率能够达到98.9%。因此结合小波去噪的BP神经网络模型能够明显地减小了误差,提高了预测的精确度。
Based on stock index futures’characteristic such as large data volume and high data noise,a wavelet denoising method is proposed to clean the data;and then a neural network model is used to train and forecast.The lowest,highest,opening and closing price of 1528 trading days of CSI 300 stock index from July 24,2012 to October 12,2018 are chose as the analysis objects.Through continuously adjusting the parameters and debugging,the errors can be effectively reduced.The result shows that BP neural network is more advantageous for futures data analysis compared to Elman neural network;and the accuracy rate can up to 98.9%.Then the BP neural network model combined with wavelet denoising can obviously reduce the errors and improve the prediction accuracy.
作者
张煌
梁朋
肖琨武
徐嘉蔚
施三支
ZHANG Huang;LIANG Peng;XIAO Kunwu;XU Jiawei;SHI Sanzhi(School of Science,Changchun University of Science and Technology,Changchun 130022;School of Optoelectronic Engineering,Changchun University of Science and Technology,Changchun 130022)
出处
《长春理工大学学报（自然科学版）》
2019年第4期129-132,142,共5页
Journal of Changchun University of Science and Technology(Natural Science Edition)
基金
国家自然科学基金(11601039)
吉林省自然科学基金(20140101199JC)
数学省级实验教学示范中心项目(2017006)
作者简介
张煌(1998-),女,本科,E-mail:lyzh608@163.com;通讯作者:施三支(1968-),女,博士,教授,E-mail:shisanzhi@sina.com
