使用智能范式对股票指数混沌行为建模
人工智能
2007-05-23 v1
摘要
智能系统在股票市场预测中的应用已被广泛确立。在本文中，我们研究如何使用几种连接主义范式和软计算技术来很好地表示股票市场看似混沌的行为。为了演示不同的技术，我们考虑了 Nasdaq 股票市场的 Nasdaq-100 指数和 S&P CNX NIFTY 股票指数。我们分析了 7 年的 Nasdaq 100 主指数值和 4 年的 NIFTY 指数值。本文研究开发一种可靠且高效的技术来建模股票市场看似混沌的行为。我们考虑了使用 Levenberg-Marquardt 算法训练的人工神经网络、支持向量机（SVM）、Takagi-Sugeno 神经模糊模型和差分提升神经网络（DBNN）。本文简要解释了如何使用不同的学习方法构建不同的连接主义范式，然后研究它们是否能提供足够良好和稳健的所需性能水平，从而为股票市场指数提供可靠的预测模型。实验结果表明，所考虑的所有连接主义范式都能非常准确地表示股票指数的行为。
引用
@article{arxiv.cs/0405018,
title = {Modeling Chaotic Behavior of Stock Indices Using Intelligent Paradigms},
author = {Ajith Abraham and Ninan Sajith Philip and P. Saratchandran},
journal= {arXiv preprint arXiv:cs/0405018},
year = {2007}
}