非線(xiàn)性系統(tǒng)辨識(shí)及其在股市預(yù)測(cè)中的應(yīng)用研究.pdf

1、隨著經(jīng)濟(jì)的發(fā)展和人們投資意識(shí)的轉(zhuǎn)變,股票已成為現(xiàn)代人生活中的一個(gè)重要組成部分。投資者們一直在探索股票市場(chǎng)的內(nèi)在運(yùn)行規(guī)律,試圖尋找更加有效的分析方法和工具。因此,對(duì)于股市規(guī)律的研究和預(yù)測(cè)具有重要應(yīng)用價(jià)值。但是股票市場(chǎng)內(nèi)部結(jié)構(gòu)的復(fù)雜性和外部因素的多變性使得傳統(tǒng)的預(yù)測(cè)方法很難取得令人滿(mǎn)意的效果。本文正是在這樣的背景下對(duì)股票市場(chǎng)的預(yù)測(cè)進(jìn)行了研究。 本文首先分析了當(dāng)前股市預(yù)測(cè)的現(xiàn)狀,并系統(tǒng)分析說(shuō)明了模糊系統(tǒng)與粒子群算法的機(jī)理、基本概念、模

2、型描述等有關(guān)知識(shí)和研究現(xiàn)狀。 隨后,本文設(shè)計(jì)了一種帶速度變異的改進(jìn)粒子群算法RPSO。針對(duì)基本粒子群算法容易陷入局部極小和求解精度欠佳的問(wèn)題,在設(shè)定情況下對(duì)粒子速度進(jìn)行變異改變粒子軌跡,從而使粒子更可能找到或接近全局最優(yōu)點(diǎn)。經(jīng)Rastrigrin函數(shù)、Griewank函數(shù)和Rosenbrock函數(shù)對(duì)RPSO算法和基本PSO算法進(jìn)行測(cè)試,結(jié)果表明,RPSO算法更容易跳出局部最優(yōu),尋優(yōu)能力更好。 在改進(jìn)粒子群算法基礎(chǔ)上,本文

3、提出了一種模糊系統(tǒng)辨識(shí)新方法。使用一種無(wú)監(jiān)督的聚類(lèi)算法對(duì)模糊系統(tǒng)結(jié)構(gòu)辨識(shí),此算法能夠有效克服傳統(tǒng)模糊c-means(FCM)算法必須預(yù)先確定聚類(lèi)數(shù)量,且聚類(lèi)結(jié)果受聚類(lèi)中心選擇和距離測(cè)量的影響的缺陷；在對(duì)模糊系統(tǒng)參數(shù)辨識(shí)時(shí),采用改進(jìn)粒子群算法進(jìn)行尋優(yōu),充分利用粒子群算法對(duì)大規(guī)模數(shù)據(jù)尋優(yōu)速度快的優(yōu)點(diǎn)。隨后,本文給出了基于RPSO算法和無(wú)監(jiān)督聚類(lèi)算法的模糊系統(tǒng)建模與辨識(shí)步驟,并對(duì)粒子的編碼方式、搜索范圍和適應(yīng)度函數(shù)進(jìn)行了設(shè)計(jì),通過(guò)一個(gè)算例驗(yàn)證