基于斐波那契数列采样的BP神经网络金融时间序列短期趋势预测

摘要

金融市场趋势预测研究一直都是热点题目,针对金融时间序列非线性特点用神经网络建立预测模型早已是研究热点。本文在吸取前人利用神经网络预测的经验下,提出利用自然界神奇数列斐波那契数列对金融时间序列采样。实验证明对金融时间序列短期趋势预测斐波那契数列采样的优越性,为了去除金融时间序列存在的大量噪音,本文利用指数平均数平滑原始价格数据,避免了利用移动平均平滑造成的滞后问题。本文所用的金融时间序列数据是欧元/美元的1小时收盘价,实验结果表明外推一步预测方向命中正确率可以达到75%以上,同时做了多步外推预测,证明5步外推趋势正确命中依然可以达到60%以上。