基于模糊粒化的改进混合神经网络股指期货价格区间预测  

作　　者：林焰[1] 杨建辉[1] 

机构地区：[1]华南理工大学工商管理学院,广东广州510640

出　　处：《南方金融》2017年第11期9-22,共14页South China Finance

基　　金：国家自然科学基金项目<区域孵育网络体系建设运营评价及其风险度量>(项目编号:71073056);教育部人文社会科学项目(项目编号:Y9150040);中央高校重大决策项目<互联网金融与孵化器企业集群融资创新及其对策研究>(项目编号:D214433W)的资助

摘　　要：为提高区间预测的精度,提出一种基于三角模糊信息粒化的改进径向基(RBF)与支持向量回归机(SVR)相结合的混合神经网络区间预测模型,对股指期货价格的变化区间进行预测。首先,对原始数据进行模糊粒化处理,获得相应的变化区间;其次,采取自组织学习策略并运用减聚类算法,对传统的RBF神经网络进行优化,改进模型的结构与参数;然后,运用SVR对模型滚动预测过程中产生的残差趋势作进一步的估计,从而修正预测值;最后,运用改进混合神经网络对模糊粒化后的沪深300股指期货数据进行实例验证。结果表明,基于模糊信息粒化的改进混合神经网络区间预测模型能够较为精确地预测股指期货价格的变化范围与价格走势,有效提高单一非参数模型的点预测与区间预测的精度和运行效率,同时具备较好的网络结构与拟合能力。

关 键 词：股指期货 模糊信息粒化 RBF神经网络 减聚类算法 支持向量回归机 

分 类 号：F724.5[经济管理—产业经济] TP183[自动化与计算机技术—控制理论与控制工程]