论文部分内容阅读
股票价格的预测是广大投资者非常关注的问题，也是诸多学者不断研究的方向，神经网络具有学习样本规律的特点，通过神经网络预测股票价格是近几年研究的重点之一。CopulA EDA-BP 混合优化算法是利用了 copulA EDA 的全局寻优和 BP 算法局部求精的特点，将两者结合起来建立了基于copulA EDA-BP 的模型系统，优化神经网络的权值阈值，对股票上证180的收盘价进行预测得到误差率，结果显示 copulA EDA-BP 算法平均误差率低于 BP 算法，提高了传统 BP 神经网络的计算精度。