一种基于学习型人工免疫算法的股价预测模型

doi:10.3969/j.issn.1006-2475.2017.11.023

计算机与现代化

• 应用与开发 • 上一篇

一种基于学习型人工免疫算法的股价预测模型

(河海大学计算机与信息学院，江苏南京 211100)

收稿日期:2017-05-31 出版日期:2017-11-21 发布日期:2017-11-21
作者简介:蒋继平(1976-)，男，江苏南京人，河海大学计算机与信息学院硕士研究生，研究方向：数据挖掘; 季芳(1984-)，女，江苏南京人，工程师，硕士，研究方向：数据挖掘。

Model of Stock Price Prediction Based on Learning Artificial Immune System

(College of Computer and Information, Hohai University, Nanjing 211100, China)

Received:2017-05-31 Online:2017-11-21 Published:2017-11-21

摘要/Abstract

摘要： 针对传统的人工免疫算法中的克隆变异无差异化和BP神经网络容易陷入局部极小的缺点，提出一种结合学习型人工免疫算法与BP算法的新股价预测模型，利用该模型对股票进行股价预测和投资策略分析。该模型克服了人工免疫算法中抗体克隆和抗体变异无差异化的缺陷，并在模型中加入抗体学习功能，提高抗体优化的收敛速度和精度。仿真结果表明，学习型人工免疫算法的股价预测（Stock Price Prediction—Learning Artificial Immune System, SPP-LAIS）模型在投资策略上成功率要优于BP股价预测模型。

关键词: 神经网络, 学习型人工免疫算法, 投资策略, 股价预测模型

Abstract: In traditional artificial immune algorithm, there is no differentiation in clone step and variation step, and BP neural network is prone to obtain local minimum value. This paper presents a hybrid model combining a learning artificial immune algorithm and BP algorithm for stock shares forecast and investment strategy analysis. This model overcomes the shortcomings of artificial immune algorithm in cloning antibody and antibody variation without differentiation, and adds the antibody learning function in the model, accelerating the convergence speed and accuracy of antibody optimization. The simulation results show that the stock price prediction model with learning artificial immune algorithm is superior to BP stock price prediction model in the stock price prediction accuracy and investment strategy.

Key words: neural network, learning artificial immune algorithm, investment strategy, stock price prediction model

中图分类号:

TP391

蒋继平，季芳. 一种基于学习型人工免疫算法的股价预测模型[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2017.11.023.

JIANG Ji-ping, JI Fang. Model of Stock Price Prediction Based on Learning Artificial Immune System[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2017.11.023.

参考文献

[1] 中国证券业协会. 证券投资分析[M]. 北京:中国金融出版社, 2012.

[2] 周志华,曹存根. 神经网络及其应用[M]. 北京:清华大学出版社, 2004.

[3] 苍梧. 神经网络编程入门[DB/OL]. http://www.cnblogs.com/heaad/archive/2011/03/07/1976443.html, 2011-03-07.

[4] 丁永生,任立红. 人工免疫系统:理论与应用[J]. 模式识别与人工智能, 2000,13(1):52-59.

[5] 段马威,商洁. 遗传算法在音频去噪中的应用[J]. 电子设计工程, 2011,19(7):39-41.

[6] Li Zhonghua, Zhang Yunong, Tan Hongzhou. IA-AIS: An improved adaptive artificial immune system applied to complex optimization problems[J]. Applied Soft Computing, 2011,11(8):4692-4700.

[7] 王莎. BP神经网络在股票预测中的应用研究[D]. 长沙:中南大学, 2008.

[8] 曹庆. 基于神经网络和模糊理论的股市分析、预测与决策[D]. 北京:北京工业大学, 2004.

[9] 赵程. 基于遗传神经网络的股市预测[D]. 北京:北京工业大学, 2003.

[10] 刘莉华. 神经网络方法在股市预测中的应用研究[D]. 成都:电子科技大学, 2005.

[11] Butler M, Kazakov D. Modeling the behavior of the stock market with an artificial immune system[C]// Proceedings of the 2010 IEEE Congress on Evolutionary Computation. 2010.

[12] Wu Zejun, Xu Wang, Liang Yiwen. An artificial immune method for stock market avoiding control of hedge fund[C]// Proceedings of the 3rd International Conference on Natural Computation. 2007,2:523-527.

[13] Wu Zejun, Chen Jia, Yang Huan, et al. An artificial immune model for abnormal fluctuation of stock price[C]// Proceedings of the 2008 International Symposium on Computational Intelligence and Design. 2008,1:274-277.

[14] Chiu Deng-Yiv, Zhou Junyan, Wang Zhicheng. Applying artificial immune algorithm to explore the seasonal effect in the stock market[C]// Proceedings of the 2014 International Conference on Software Intelligence Technologies and Applications & International Conference on Frontiers of Internet of Things. 2014:33-38.

[15] Chiu Deng-Yiv, Shiu Cheng-Yi, Lin Yusheng. U.S.A. S&P 500 stock market dynamism exploration with moving window and artificial intelligence approach[C]// Proceedings of the 7th International Conference on Networked Computing and Advanced Information Management. 2011:341-345.

[16] 郑建刚,王行愚,牛玉刚. 基于改进免疫遗传算法的神经网络及其在股票预测中的应用[J]. 华东理工大学学报(自然科学版), 2006,32(11):1342-1345.

[17] Capinski M, Zastawniak T. 金融数学:金融工程引论[M]. 北京:中国人民大学出版社, 2009.

一种基于学习型人工免疫算法的股价预测模型

Model of Stock Price Prediction Based on Learning Artificial Immune System

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	宋涛涛, 李艳萍, 李洪港, 韩春雪. 基于改进变结构趋近律的机械臂滑模控制系统[J]. 计算机与现代化, 2023, 0(12): 14-18.
[2]	周成诚, 曾庆军, 杨康, 胡家铭, 韩春伟. 基于高效通道注意力模块的运动想象脑电识别[J]. 计算机与现代化, 2023, 0(12): 19-23.
[3]	王宇航, 董宝良, 公超, 尚真真, 姚康宁. 基于意图识别的空中群目标动态威胁评估[J]. 计算机与现代化, 2023, 0(12): 100-104.
[4]	谷明轩, 范冰冰. 基于多模态特征融合的抑郁症识别[J]. 计算机与现代化, 2023, 0(10): 17-22.
[5]	陈俊义. 基于图节点动静态特征的健康事件预测模型[J]. 计算机与现代化, 2023, 0(10): 39-44.
[6]	黎世达, 项剑文. 一种提高图像识别模型鲁棒性的弱化强化方法[J]. 计算机与现代化, 2023, 0(10): 70-76.
[7]	陈子健, 段春红. 面向在线学习情境的认知情绪面部表情识别[J]. 计算机与现代化, 2023, 0(10): 92-98.
[8]	刘付琪, 张达, 宋建华, 王海东. 基于CNN-BiLSTM的液压系统故障诊断[J]. 计算机与现代化, 2023, 0(09): 10-19.
[9]	吴甜, 刘海华, 童顺延. 基于深度反馈的卷积神经网络的图像分类[J]. 计算机与现代化, 2023, 0(09): 82-86.
[10]	毛明扬, 徐胜超. 面向粒子群优化BP神经网络的粗糙集连续属性离散化算法[J]. 计算机与现代化, 2023, 0(09): 115-119.
[11]	孙子雨, 任燃, 魏曦哲. 基于DTW-TCN的股票分类及预测研究[J]. 计算机与现代化, 2023, 0(08): 31-37.
[12]	曾丽丽, 汤华贝, 牛艺晓, 孟凡月. 基于LSTM堆叠残差网络的岩相识别方法[J]. 计算机与现代化, 2023, 0(08): 38-43.
[13]	江蕾, 唐建, 杨超越, 吕婷婷. 基于CWGAN-GP与CNN的轴承故障诊断方法[J]. 计算机与现代化, 2023, 0(07): 1-6.
[14]	崔少国, 张岗, 王奥迪. 基于感知注意力的深度交叉网络推荐模型[J]. 计算机与现代化, 2023, 0(07): 54-60.
[15]	许叶彤, 耿信哲, 赵伟强, 张月, 宁海龙, 雷涛. 基于CNN-Transformer混合结构的遥感影像变化检测模型[J]. 计算机与现代化, 2023, 0(07): 79-85.