金融市场预测的神经网络方法

作者运用神经网络技术开发了一种对金融市场的现状与未来趋势进行评估的决策支持系统，并用道一琼斯工业股票价格平均指数的数据对系统进行了洲试。然后将预测的结果与传统的市场分析方法所作的预测指数进行对比。所测试的神经网络模型包括不同训练阶段(例如10、20天)的信号模型和△收盘价模型。市场原始数据取自所选阶段的每日报表，并经预处理和标准化后转换为相对强度指数(RSI)、威廉指数(W％R)、净成交量(OBV)、动力指标(MOM)&移动平均线(MA)等金融指数。在所选的交易阶段用这些模型所预测的道一琼斯工业股票价格平均指数与实际指数的变化趋势能很好地吻合。为了改进模型的预测精度，采取了如下几种措施，比如通过均衡补偿学习过程来改进准确性。要改进这一神经网络技术，还需做进一步研究，包括多网络训练法、多任务学习程序研究等。