Resumen

La predicción del índice bursátil se considera una tarea difícil en la última década. Para predecir el índice bursátil con precisión, este artículo propone un nuevo método de predicción basado en el modelo del sistema S. Se propone una programación de expresión genética restringida (RGEP) para codificar y optimizar la estructura del sistema S. Se propone un algoritmo inteligente híbrido basado en la optimización por tormenta de cerebros (BSO) y la optimización por enjambre de partículas (PSO) para optimizar los parámetros del modelo del sistema S. Para validar el rendimiento de nuestro método propuesto, se recopilan los precios de cinco mercados bursátiles reales, como el índice Dow Jones, el índice Hang Seng, el índice NASDAQ, el índice compuesto de la Bolsa de Shanghai y el índice de componentes SZSE. Los resultados del experimento revelan que nuestro método puede funcionar mejor que la red neuronal recurrente profunda (DRNN), el árbol neuronal flexible (FNT), la función de base radial (RBF), la red neuronal de retropropagación (BP) y ARIMA para los problemas de predicción bursátil con una semana de antelación y un mes de antelación. Y nuestro algoritmo inteligente híbrido propuesto tiene una convergencia más rápida que PSO y BSO.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:algoritmo inteligente híbrido, modelo de sistema, índice hang seng, índice dow jones, índice de componentes szse, red neuronal recurrente, programación de la expresión génica, predicción de índices bursátiles, función de base radial, nuevos métodos de predicción
• Keywords:hybrid intelligent algorithm, system model, hang seng index, dow jones index, szse components index, recurrent neural network, gene expression programming, stock index prediction, radial basis function, novel prediction methods