论文部分内容阅读
提出一种自适应神经网络模型对股指这一非线性时间序列进行高精度的预测．首先采用基于递归最小方差的自适应学习算法对抽头延迟神经网络模型进行训练，然后再利用删剪算法对训练好的神经网络结构进行自适应删剪，去掉隐藏层中冗余的神经元，从而获得最佳的网络拓扑结构．最后利用优化好的神经网络对股指进行预测．抽取上证指数2000年1月至2004年4月期间的1000个日数据作为样本，仿真实验表明，该方法能够快速地实现高精度的股指预测，预测精度达到4．8994×10^-5。