论文部分内容阅读
预测股票市场价格指数是一项具有挑战性的任务。许多学者尝试过多种模型来预测股票指数,主要有自回归积分滑动平均模型、人工神经网络、支持向量机、决策树和遗传算法等。本文采用神经网络预测中国基准股票指数——沪深300指数走势,试图通过改变输入数据和神经元数量等来取得更好的拟合效果。利用命中率和均方误差对预测精度进行测量。通过调整滞后阶数和隐层神经元个数,观察命中率的变化趋势。结果表明,通过并行输入向量数据对收盘价命中率的作用不大,但是能显著提高最高价和最低价的命中率。