一种新型的,基于遗传算法的神经网络特征离散化方法也被提出,认为遗传算法可通过搜索最优或接近最优的参数来获得最优的适应函数,因此GAFD可以找到最优或者接近最优的离散阈值,从而提高了最终网络的通用性和模型的预测性能(Kyoung-jae Kim ,Ingoo Han,2000)。还有学者认为EMD-RBF模型解决了原始序列随机性强以及因相邻频带的干扰而造成的系统动力信息反映不足的缺陷,相比于GARCH模型,ARIMA模型和RBF模型,其相对误差小,预测精度更高,方向对称值最大,股指期货的走势方向把握更好(史文静,高岩,2015)。
夕阳下你的背影
轻轻嗅探你诱人的气息
幻想远方的你就在身边
这的空气也已不再污浊
若隐若现
模型的预测性能不仅取决于模型本身的适应性,数据处理也是其中的重要影响因素,对比AIC、BIC、LASSO三种模型,发现LASSO的变量选择模型既避免了多重共线性等问题,同时节约了时间和成本,弥补了线性模型的不足,从而能够准确地预测期货的价格变化趋势(王宣承,2014)。综上可知,数据的有效处理在一定程度上能够帮助提高模型的整体预测能力。
好看你就
点点
我