基于粗糙集和动态模糊神经网络的股市预测研究
王峥1
温光洒2
邱秀连3
1.南京烽火星空通信发展有限公司 南京 2100192.武汉邮电科学研究院 武汉 430074;南京烽火天地通信科技有限公司 南京 2100193.南京烽火天地通信科技有限公司 南京 210019
摘要：论文研究基于神经网络的股票预测方法,针对目前存在的问题,通过模糊理论与动态神经网络的结合提出一种更为适合现状的动态模糊神经网络DFNN(Dynamic Fuzzy Neural Network)股票预测模型.首先对采集的股票信息进行属性提取,然后利用粗糙集理论中的信息熵算法进行属性约简、删减冗余信息,最后用约简后的数据作为动态模糊神经网络的输入属性进行训练预测,并在算法模型中运用分级学习的思想,能在一定程度上实现预测某一只股票短期内大致走势的功能.实际操作中更能为股票的多重选择进行推荐,降低投资的风险,有着较高的实用性.
关键词：股票预测粗糙集理论信息熵动态模糊神经网络分级学习
分类号：TP183(自动化基础理论)
资助基金：国家重点研发计划(2017YFB1400704)
论文发表日期：2020-03-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 517-522 )
英文信息