基于改进PSO-GNNM模型的股票价格预测

股票价格具有复杂的随机性和非线性等特点,其波动受众多因素的影响。为了对股票价格进行相对准确的预测,通过建立灰色神经网络模型,将筛选出的主要影响因素作为模型的输入层节点,采用改进的粒子群算法优化灰色神经网络的权重和阈值,分析筛选影响股票价格的主要因素如基本面因素、市场因素和政策因素。并以浦发银行为例进行实证分析,以每日的收盘价作为预测对象,以预测前一日的技术指标作为模型的输入数据进行计算分析,结果表明改进的PSO-GNNM模型对股票价格具有更高的预测精度。