查询结果:   孙晨,李阳,李晓戈,于娇艳.基于布谷鸟算法优化BP神经网络模型的股价预测[J].计算机应用与软件,2016,33(2):276 - 279.
中文标题
基于布谷鸟算法优化BP神经网络模型的股价预测
发表栏目
算法
摘要点击数
942
英文标题
STOCK FORECASTING MODEL BASED ON OPTIMISING BP NEURAL NETWORK WITH CUCKOO SEARCH
作 者
孙晨 李阳 李晓戈 于娇艳 Sun Chen Li Yang Li Xiaoge Yu Jiaoyan
作者单位
西安邮电大学计算机学院 陕西 西安 710100 北京交通大学电子信息工程学院 北京 100044 西安外国语大学英文学院 陕西 西安 710100   
英文单位
School of Computer Science,Xi’an University of Post and Telecommunication,Xi’an 710100,Shaanxi,China School of Electronic and Information Engineering,Beijing Jiaotong University,Beijing 100044,China School of English Study,Xi’an International Studies University,Xi’an 710100,Shaanxi,China   
关键词
布谷鸟算法 神经网络 股票 预测
Keywords
CS algorithm Neural network Stock Prediction
基金项目
作者资料
孙晨,硕士生,主研领域:智能算法。李阳,硕士生。李晓戈,教授。于娇艳,硕士生。 。
文章摘要
针对当前智能算法对股票市场预测精度不高的问题,提出使用布谷鸟算法优化神经网络(CS-BP)的方法,对股票市场进行预测。并与粒子群算法优化神经网络模型(PSO-BP)和遗传算法优化神经网络模型(GA-BP)的测试结果进行比较。通过对SZ300091(金通灵)日线的收盘价数据回测分析看出,布谷鸟算法优化神经网络模型明显优于这两种算法,能有效对股票市场进行预测,对于30天的预测精度约为98.633%。
Abstract
This paper puts forward the method of predicting the stock market by using the cuckoo search algorithm to optimise BP-neural network(CS-BP) aimed at the problem of current intelligent algorithms in poor prediction accuracy on the market. Besides, it compares its test result with the results of PSO-BP model (optimising BP-neural network with particle swarm optimisation) and GA-BP model (optimising BP-neural network with genetic algorithm). After analysing the data backtesting result of the closing price of daily candlesticks of SZ300091 (JTL), we can conclude that the CS-BP model is obviously superior to these two algorithms, it can effectively predict the stock market with about 98.633% of accuracy for thirty days prediction.
下载PDF全文