基于GD-FNN的金融股指预测模型

针对股票市场内部结构复杂性和外部因素多变性,构建一种基于椭圆基函数且能够动态调整网络结构的广义动态模糊神经网络模型对金融股指进行预测。以上证指数为例,在价格和成交量的基础上,将与股票市场密切相关的宏观经济指标引入模型预测指标体系。通过滑动时间窗对数据集进行处理,提高了模型预测准确性并降低了运算时间。与其他神经网络模型预测效果进行比较,结果表明提出的模型具有较好的预测效果。

分数阶对称金融模型复杂度分析及有限时间同步

分析了一类分数阶对称金融非线性系统的复杂度特性,利用有限时间同步理论设计控制器,实现了有限时间同步。根据分数阶系统定义和Adomain分解法对该系统的非线性项进行Adomain分解,结合分解系数定义系统的表达式,将其离散化。基于谱熵复杂度及C0复杂度的基本算法,利用Matlab仿真其复杂度曲线及复杂度图谱。为进一步探究对称金融非线性系统的动力学特性,利用有限时间同步理论设计误差控制器,实现有限时间同步,仿真结果表明该控制器可使系统在极短的时间内实现同步且鲁棒性好。