利用演化性神經網路預測高頻率時間序列:恆生股價指數的研究

為了瞭解影響演化性神經網路(ENT)預測表現的四項重要的機制:輸入資料性質、訓練樣本大小、網路搜尋密度以及控制模型複雜度,進而找出能使ENT充分發揮效果的組合。在本論文中首先設計ENT在模擬資料上的實驗,探討上述四項機制個別對預測表現的影響,再依照實驗結果的建議,設計能讓ENT發揮功效的組合,並以實際金融高頻率資料:香港恆生指數在一九九八年十二月報酬率為標的,探討模擬資料的結果在實際金融資料需要調整的部份。實驗結果顯示,當輸入資料經過線性過濾後,搭配大樣本訓練、高搜尋強度與適當地模型複雜度控制,會是能讓神經網路提高預測能力的組合。在實際金融資料的實驗當中同時發現,資料中偶而出現特別高或特別低的...

Full description

Bibliographic Details
Main Authors: 王宏碩, Wang, Hung-Shuo
Language:英文
Published: 國立政治大學
Subjects:
Online Access:http://thesis.lib.nccu.edu.tw/cgi-bin/cdrfb3/gsweb.cgi?o=dstdcdr&i=sid=%22B2002001629%22.

Similar Items