科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对股票价格点预测的复杂性和不确定性，以及单BP神经网络易出现过拟合的问题，提出了一种基于模糊信息粒化和BP-Bagging的股票价格波动范围的集成预测模型。首先对训练数据进行模糊信息粒化处理，根据预测模型的需要提取各个窗口的模糊信息。然后随机有放回的抽取若干个子训练集，用于训练不同的BP神经网络模型。最后结合Bagging算法对多个网络进行集成生成强预测器，提高预测模型的准确性。在此基础上对股票开盘价的波动范围进行预测，将此模型与单BP神经网络与支持向量机（SVM）的方法进行比较，实验结果表明，基于BP-Bagging的强预测模型具有较好的稳定性和时效性。
- 单位
