贝叶斯神经网络在股票时间序列预测中的应用

作者：刘恒; 侯越

来源：计算机工程与应用, 2019, 55(12): 225-244.

• 贝叶斯正则化
• 神经网络
• 股票时间序列预测

针对BP神经网络初始权值随机获取所导致的易陷入局部最优的问题,采用贝叶斯正则化(Bayesian Regularization,BR)算法改进传统BP神经网络模型。该算法在保证网络误差最小的前提下,通过历史数据的先验概率调整BP模型的适应度函数,使网络的泛化能力得到提升。在股票时间序列预测的实证性研究中表明,比传统BP模型在预测精度上提高42.81%。

• 单位
  兰州交通大学