使用粗糙模糊多层感知器网络发现孟买证券交易所的股票价格预测规则

在印度，金融市场已存在多年。一个功能突出、多样化、高效且灵活的金融体系对于实现创建市场驱动、生产性和竞争性经济的国家目标至关重要。如今，在股票、债券、商品和外汇市场上存在着不同成熟度的市场。在这项工作中，我们尝试使用一种重要的软计算范式——粗糙模糊多层感知器，为孟买证券交易所的股票价格变动生成预测规则方案。使用计算智能系统（如神经网络、模糊集、遗传算法等）进行股票市场预测已被广泛确立。该过程是从每日股票变动中以规则形式提取知识，这些规则随后可用于指导投资者。为了提高预测过程的效率，使用粗糙集对数据进行离散化。该方法使用遗传算法获得一个适用于分类和规则提取的结构化网络。基于分治策略的模块化概念提供了加速训练和紧凑的网络，适用于生成具有高确定性的最少规则。引入了可变变异算子的概念，以在集成和演化过程中保持构成知识基子网络的局部结构。直接从包含模糊隶属度值的实值属性表中生成粗糙集依赖规则。因此，该范式被用于开发规则提取算法。基于一些定量性能指标，将提取的规则与一些相关的规则提取技术进行比较。所提出的方法提取的规则数量少、准确、具有高确定性因子、低混淆度且计算时间短。