[發(fā)明專利]基于螢火蟲算法的組合神經(jīng)網(wǎng)絡(luò)對股票市場的預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201910011641.X
• 申請日: 2019-01-07
• 公開（公告）號: CN109583666A
• 公開（公告）日: 2019-04-05
• 發(fā)明（設(shè)計）人: 李胡文莞;方建安
• 申請（專利權(quán)）人: 東華大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q40/04;G06N3/08
• 代理公司: 上海泰能知識產(chǎn)權(quán)代理事務(wù)所 31233
• 代理人: 宋纓;錢文斌

1.一種基于螢火蟲算法的組合神經(jīng)網(wǎng)絡(luò)對股票市場的預(yù)測方法，其特征在于，包括以下步驟：

(1)隨機選取某支股票收盤價作為研究對象，并且進行預(yù)處理；

(2)根據(jù)實際的輸入輸出構(gòu)建組合神經(jīng)網(wǎng)絡(luò)主網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)，并初始化權(quán)值和閾值；

(3)運用螢火蟲算法計算BP神經(jīng)網(wǎng)絡(luò)的適應(yīng)度函數(shù)最優(yōu)值，得到最優(yōu)的權(quán)值和閾值；

(4)把數(shù)據(jù)樣本中的數(shù)據(jù)放入到建立的BP神經(jīng)網(wǎng)絡(luò)中進行訓(xùn)練；

(5)將BP神經(jīng)網(wǎng)絡(luò)前六天的預(yù)測誤差作為輸入變量，第七天的預(yù)測誤差作為輸出變量，建立RBF神經(jīng)網(wǎng)絡(luò)對殘差進行二次逼近；

(6)將未進行訓(xùn)練的數(shù)據(jù)放入網(wǎng)絡(luò)進行預(yù)測。

2.根據(jù)權(quán)利要求1所述的基于螢火蟲算法的組合神經(jīng)網(wǎng)絡(luò)對股票市場的預(yù)測方法，其特征在于，所述步驟(1)中的預(yù)處理為歸一化處理，其讓輸入的數(shù)據(jù)控制在0到1之間，采用其中，X代表實際輸入，min代表實際輸入最小值，max代表實際輸入最大值，x(t)代表預(yù)處理之后的網(wǎng)絡(luò)輸入。

3.根據(jù)權(quán)利要求1所述的基于螢火蟲算法的組合神經(jīng)網(wǎng)絡(luò)對股票市場的預(yù)測方法，其特征在于，所述步驟(2)中構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分為輸入層、隱層以及輸出層；輸入層的節(jié)點由實際的輸入個數(shù)決定；隱層的節(jié)點數(shù)根據(jù)來確定并調(diào)整，其中，m表示輸入層的節(jié)點個數(shù)，α是一個隨機的1～10的整數(shù)，n表示隱層的節(jié)點個數(shù)；輸出層的個數(shù)根據(jù)實際需求來決定；其中，隱層節(jié)點的輸出為：其中，x_i表示隱層的輸入，w_ij表示隱層的權(quán)值，θ_j表示隱層的閾值，O_j表示隱層的輸出；輸出層節(jié)點的輸出為：其中，O_j表示輸出層的輸入，T_jk表示輸出層的權(quán)值，θ_k表示輸出層的閾值，y_k表示輸出層的輸出。

4.根據(jù)權(quán)利要求1所述的基于螢火蟲算法的組合神經(jīng)網(wǎng)絡(luò)對股票市場的預(yù)測方法，其特征在于，所述步驟(3)是將BP神經(jīng)網(wǎng)絡(luò)的適應(yīng)度函數(shù)作為目標(biāo)函數(shù)，感知熒光素大的螢火蟲并以概率P向其移動，完成移動后更新螢火素值和位置，計算目標(biāo)函數(shù)的值并且更新決策域，直到滿足條件尋優(yōu)停止，最后將得到最優(yōu)的權(quán)值和閾值帶入初始化的BP神經(jīng)網(wǎng)絡(luò)模型。

5.根據(jù)權(quán)利要求1所述的基于螢火蟲算法的組合神經(jīng)網(wǎng)絡(luò)對股票市場的預(yù)測方法，其特征在于，所述步驟(5)中的RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分為輸入層、隱含層和輸出層，其中，輸入層由源結(jié)點組成，隱含層的層數(shù)根據(jù)需要而定，其變換函數(shù)是RBF徑向基函數(shù)，輸出層對輸入模式的作用作出響應(yīng)；其中，隱含層的輸出為||·||為歐式距離，為RBF徑向基函數(shù)，r_i是函數(shù)中心，b_i為函數(shù)的寬度，X表示隱含層的輸入；從輸入空間到隱層空間的變換是非線性的，而從隱層空間到輸出層變換是線性的；采用的誤差逼近網(wǎng)絡(luò)映射函數(shù)公式為其中，X為輸入，h為隱含層神經(jīng)數(shù)目，C_i為徑向基函數(shù)的中心，σ為函數(shù)的寬度，W_ij為隱含層到輸出層的權(quán)值。