基于改進RBF網(wǎng)絡(luò)的金融時序預(yù)測及其分析.pdf

1、現(xiàn)代計量經(jīng)濟學(xué)和金融學(xué)的許多研究成果都需要金融時序預(yù)測，其預(yù)測精度往往受到各種不確定因素的影響。大多數(shù)的金融時序是非平穩(wěn)時序，并且具有非線性的特征，因此，用經(jīng)典線性預(yù)測模型對金融時序預(yù)測，其預(yù)測效果往往不夠理想。
　　 RBF網(wǎng)絡(luò)能以任意的精度逼近任何多元連續(xù)函數(shù)，并且訓(xùn)練速度也比較快，所以本文選擇用RBF網(wǎng)絡(luò)構(gòu)建金融時序預(yù)測模型。首先介紹了3種常見的RBF網(wǎng)絡(luò)算法。其次，通過計算機實驗說明了RBF網(wǎng)絡(luò)寬度還有改進的必要性，于是

2、提出了一種搜索RBF網(wǎng)絡(luò)寬度的算法，詳細描述了整個算法的流程，最后通過仿真實驗驗證了這種方法的有效性。
　　 神經(jīng)網(wǎng)絡(luò)集成技術(shù)是近些年研究的熱門課題，利用神經(jīng)網(wǎng)絡(luò)集成技術(shù)將多個神經(jīng)網(wǎng)絡(luò)預(yù)測輸出組合成一個預(yù)測輸出，這個組合后的預(yù)測輸出的預(yù)測精度往往要高于所有單個神經(jīng)網(wǎng)絡(luò)預(yù)測輸出的預(yù)測精度。神經(jīng)網(wǎng)絡(luò)集成技術(shù)主要包括兩方面的內(nèi)容：一方面是如何生成單個神經(jīng)網(wǎng)絡(luò)；另一方面是如何組合多個神經(jīng)網(wǎng)絡(luò)輸出。首先論述了改進RBF網(wǎng)絡(luò)組合方法的必要性

3、。其次，詳細描述了改進RBF網(wǎng)絡(luò)組合算法。最后，采購經(jīng)理人指數(shù)預(yù)測結(jié)果表明這種改進是有效的。
　　 本文的主要研究成果如下：
　　 (一)提出一種搜索RBF網(wǎng)絡(luò)寬度的方法。實驗表明，基于寬度改進的RBF網(wǎng)絡(luò)的擬合效果好于使用固定寬度RBF網(wǎng)絡(luò)的擬合效果。
　　 (二)考慮到單個RBF網(wǎng)絡(luò)預(yù)測輸出的異常值對RBF網(wǎng)絡(luò)集成預(yù)測模型的最終預(yù)測精度有較大影響，在將多個RBF網(wǎng)絡(luò)預(yù)測輸出組合之前，借助SAS統(tǒng)計分析軟件對每