【出 处】：《 计算机仿真 》 CSCD 2011年第28卷第10期 393-396页,共4页

【作 者】： 郑睿颖 [1] ; 伍应环 [2]

【摘 要】 研究准确优化预测股票价格问题,针对影响股票价格具有非线性、不稳定的特征,股票价格由于受到社会经济因素的影响,变化大。采用传统神经网络方法在股票价格预测中易陷入局部极小值,泛化能力受到影响。为了提高股票价格精度,提出一种基于粒子群优化算法（PSO）的RBF神经网络（RBFNN）股票价格预测模型。利用粒子群优化算法的良好的寻优能力,对RBF神经网络参数进行优化,从而加快RBF神经网络运算速度,并提高了RBF神经网络的预测精度。利用粒子群优化的RBF神经模型对上证指数（000001）股票价格进行了验证性测试和分析,实验结果表明,相对于各参比模型,经过粒子群优化的RBF神经网络模型预测方法有更好的收敛性,更强的学习能力,显著地提高了预测精度,可为预测提供依据。