论文部分内容阅读
提出了一种新的神经网络集成股市建模方法，采用偏最小二乘方法构造神经网络输入矩阵，利用Bagging技术和不同的神经网络学习算法生成集成个体，再用遗传算法选择参与集成的个体，以“误差绝对值和最小”为最优准，建立最小一乘回归神经网络集成模型，通过上证指数开盘价、收盘价进行实例分析，计算结果表明该方法具有较好的学习能力和泛化能力，在股市预测中预测精度高、稳定性好。