[发明专利]基于萤火虫算法的组合神经网络对股票市场的预测方法

说明书

本发明涉及一种基于萤火虫算法的组合神经网络对股票市场的预测方法，包括以下步骤：随机选取某支股票收盘价作为研究对象，并且进行预处理；根据实际的输入输出构建组合神经网络主网络BP神经网络，并初始化权值和阈值；运用萤火虫算法计算BP神经网络的适应度函数最优值，得到最优的权值和阈值；把数据样本中的数据放入到建立的BP神经网络中进行训练；将BP神经网络前六天的预测误差作为输入变量，第七天的预测误差作为输出变量，建立RBF神经网络对残差进行二次逼近；将未进行训练的数据放入网络进行预测。本发明能够提高预测的准确性和稳定性。

技术领域

本发明涉及股票市场预测技术领域，特别是涉及一种基于萤火虫算法的组合神经网络对股票市场的预测方法。

背景技术

股票市场是我们个人以及国家的重要经济活动，运用科学的方法研究股市的未来发展的规律，让投资人员可以更好的衡量股市的风险及价值，减少投资的盲目性。当然，通过对股票市场的预测，可以更好的维持国家股市的稳定，对于国家经济以及个人的生活都有着深远的意义。

国内外对股票的预测时间开始很早，股票市场是一个多变量非线性动态系统，早期一般的预测方法基于线性，很难满足对股市精确预测的要求。而之后诸多学者也对股市进行了神经网络与其他方法的预测，比如BP神经网络模型、GARCH模型、ARIMA模型，以及概率神经网络、通过主成分分析构造神经网络输入矩阵、利用二次规划最优组合等进行预测等都逐渐取得了良好的效果。现在的预测方法依然很多，但不难发现组合神经网络研究中，通常是神经网络和其他不同模型之间的组合较为复杂，而直接利用神经网络之间的组合较少。

发明内容

本发明所要解决的技术问题是提供一种基于萤火虫算法的组合神经网络对股票市场的预测方法，能够提高预测的准确性和稳定性。

本发明解决其技术问题所采用的技术方案是：提供一种基于萤火虫算法的组合神经网络对股票市场的预测方法，包括以下步骤：

(1)随机选取某支股票收盘价作为研究对象，并且进行预处理；

(2)根据实际的输入输出构建组合神经网络主网络BP神经网络，并初始化权值和阈值；

(3)运用萤火虫算法计算BP神经网络的适应度函数最优值，得到最优的权值和阈值；

(4)把数据样本中的数据放入到建立的BP神经网络中进行训练；

(5)将BP神经网络前六天的预测误差作为输入变量，第七天的预测误差作为输出变量，建立RBF神经网络对残差进行二次逼近；

(6)将未进行训练的数据放入网络进行预测。

所述步骤(1)中的预处理为归一化处理，其让输入的数据控制在0到1之间，采用其中，X代表实际输入，min代表实际输入最小值，max代表实际输入最大值，x(t)代表预处理之后的网络输入。

所述步骤(2)中构建的BP神经网络的结构分为输入层、隐层以及输出层；输入层的节点由实际的输入个数决定；隐层的节点数根据来确定并调整，其中，m表示输入层的节点个数，α是一个随机的1～10的整数，n表示隐层的节点个数；输出层的个数根据实际需求来决定；其中，隐层节点的输出为：其中，x_i表示隐层的输入，w_ij表示隐层的权值，θ_j表示隐层的阈值，O_j表示隐层的输出；输出层节点的输出为：其中，O_j表示输出层的输入，T_jk表示输出层的权值，θ_k表示输出层的阈值，y_k表示输出层的输出。

所述步骤(3)是将BP神经网络的适应度函数作为目标函数，感知荧光素大的萤火虫并以概率P向其移动，完成移动后更新萤火素值和位置，计算目标函数的值并且更新决策域，直到满足条件寻优停止，最后将得到最优的权值和阈值带入初始化的BP神经网络模型。