用前馈神经网络检验小数据量时间序列的混沌  

A TEST OF CHAOS IN SHORT SERIES BASED ONFEEDFORWARD NEURAL NETWORKS

作　　者：韩文蕾[1] 王万诚[2] 

机构地区：[1]西北工业大学经济研究中心,陕西西安710072 [2]西北工业大学计算机学院,陕西西安710072

出　　处：《计算机应用与软件》2005年第6期123-125,共3页Computer Applications and Software

基　　金：国家 863 计划资助项目(2003AA142060);辽宁省"九五.十五"教育科学(教育技术)规划立项课题(高教 0047.高教 0166)

摘　　要：利用BP神经网络的非线性函数逼近能力,对小数据,有噪声的时间序列计算最大李亚谱诺夫指数,从而判断该序列是否存在混沌现象,并将这一算法应用到深圳证券市场的深证综合的日收益率序列中,结果表明,深证综合的日收益序列不存在混沌现象。Making use of ANN to detect chaos in short series,the method computes the Lyapunov exponent estimation when a high level of noise is present,by using an algorithm for the estimation of λ,based on feedforward neural networks.We also apply the algorithm in shenzhen stock market and there is no evidence of chaos.

关 键 词：时间序列 网络检验 数据量 前馈 函数逼近能力 BP神经网络 混沌现象 证券市场 非线性 收益率 算法 

分 类 号：TP393.07[自动化与计算机技术—计算机应用技术] O211.61[自动化与计算机技术—计算机科学与技术]