粗集与神经网络相结合的股票价格预测模型

粗集和神经网络结合反映了人类智能的定性和定量、清晰和隐含、串行和并行相互交叉混合的常规思维机理。本文建立这样一种混合杂交模型用于股票价格波动趋势的预测 ,通过粗集对数据的二维约简预处理消除了样本中的噪声和冗余 ,在提高神经网络预测精度的同时降低了学习负担。为了获得最优的预测精度 ,本文还利用遗传算法进行属性离散化和网络学习。通过对上证综指的实证研究表明 ,这种混合杂交模型的性能明显优于BP和GA神经网络模型。