用于数据预测的人工神经网络

考虑到股市情况通常受不同外部因素的影响,股票市场预测是时间序列分析中最困难的预测分析之一。本文的研究旨在调查在时间序列是非稳定状态下和最常见的情况下,研究人工神经网络（ANN）在解决预测任务中的潜力。我们使用前馈型神经网络结构,具有外部输入的非线性自回归网络。神经网络的训练函数用来跟新权重和偏差参数,神经网络模型的特点是具有反向传播算法的自适应学习速率的梯度下降算法。使用均方差（MSE）测量在评估模型的性能,通过对比使用这种技术和一些ARIMA模型得出的结果进行比较。比较分析得出的结论是,提出的模型可以成功应用于预测相关数据。