Исследование каскадных нео-фаззи нейронных сетей в задачах прогнозирования в финансовой сфере
Рассмотрена проблема прогнозирования финансовых процессов на рынках ценных бумаг. Для ее решения предложено применение каскадных нео-фаззи нейронных сетей. Описана архитектура этих сетей, рассмотрены алгоритмы обучения — градиентный и Уидроу-Хоффа. Рассмотрена проблема синтеза структуры нео-фаззи ка...
| Main Author: | |
|---|---|
| Format: | Article |
| Language: | Ukrainian |
| Published: |
Igor Sikorsky Kyiv Polytechnic Institute
2014-09-01
|
| Series: | Sistemnì Doslìdženâ ta Informacìjnì Tehnologìï |
| Online Access: | http://journal.iasa.kpi.ua/article/view/32561 |
| _version_ | 1811243207791476736 |
|---|---|
| author | Yu. P. Zaychenko |
| author_facet | Yu. P. Zaychenko |
| author_sort | Yu. P. Zaychenko |
| collection | DOAJ |
| description | Рассмотрена проблема прогнозирования финансовых процессов на рынках ценных бумаг. Для ее решения предложено применение каскадных нео-фаззи нейронных сетей. Описана архитектура этих сетей, рассмотрены алгоритмы обучения — градиентный и Уидроу-Хоффа. Рассмотрена проблема синтеза структуры нео-фаззи каскадной сети и предложен алгоритм МГУА для ее решения. Проведены экспериментальные исследования точности прогнозирования биржевых индексов с применением указанных методов обучения в зависимости от числа каскадов, числа входных переменных и их лингвистичеcких значений и оценена их эффективность. Проведенные исследования показали, что каждый алгоритм имеет свои сильные и слабые стороны. Градиентный метод может давать более точные прогнозы, но при этом время его работы достаточно большое. Алгоритм Уидроу-Хоффа, наоборот, дает прогноз за очень короткое время, но имеет довольно большие отклонения от реальных значений. В целом, каскадная нео-фаззи нейронная сеть является хорошим инструментом для прогнозирования финансовых процессов на фондовых рынках в условиях неопределенности и неполноты информации. При этом ее прогноз значительно точнее в сравнении с классическими нечеткими нейронными сетями ANFIS и TSK, а также ННС с выводом Мамдани.
|
| first_indexed | 2024-04-12T14:03:30Z |
| format | Article |
| id | doaj.art-a82fc64d6d394b40b3118a6312def5b6 |
| institution | Directory Open Access Journal |
| issn | 1681-6048 2308-8893 |
| language | Ukrainian |
| last_indexed | 2024-04-12T14:03:30Z |
| publishDate | 2014-09-01 |
| publisher | Igor Sikorsky Kyiv Polytechnic Institute |
| record_format | Article |
| series | Sistemnì Doslìdženâ ta Informacìjnì Tehnologìï |
| spelling | doaj.art-a82fc64d6d394b40b3118a6312def5b62022-12-22T03:30:08ZukrIgor Sikorsky Kyiv Polytechnic InstituteSistemnì Doslìdženâ ta Informacìjnì Tehnologìï1681-60482308-88932014-09-013Исследование каскадных нео-фаззи нейронных сетей в задачах прогнозирования в финансовой сфереYu. P. ZaychenkoРассмотрена проблема прогнозирования финансовых процессов на рынках ценных бумаг. Для ее решения предложено применение каскадных нео-фаззи нейронных сетей. Описана архитектура этих сетей, рассмотрены алгоритмы обучения — градиентный и Уидроу-Хоффа. Рассмотрена проблема синтеза структуры нео-фаззи каскадной сети и предложен алгоритм МГУА для ее решения. Проведены экспериментальные исследования точности прогнозирования биржевых индексов с применением указанных методов обучения в зависимости от числа каскадов, числа входных переменных и их лингвистичеcких значений и оценена их эффективность. Проведенные исследования показали, что каждый алгоритм имеет свои сильные и слабые стороны. Градиентный метод может давать более точные прогнозы, но при этом время его работы достаточно большое. Алгоритм Уидроу-Хоффа, наоборот, дает прогноз за очень короткое время, но имеет довольно большие отклонения от реальных значений. В целом, каскадная нео-фаззи нейронная сеть является хорошим инструментом для прогнозирования финансовых процессов на фондовых рынках в условиях неопределенности и неполноты информации. При этом ее прогноз значительно точнее в сравнении с классическими нечеткими нейронными сетями ANFIS и TSK, а также ННС с выводом Мамдани. http://journal.iasa.kpi.ua/article/view/32561 |
| spellingShingle | Yu. P. Zaychenko Исследование каскадных нео-фаззи нейронных сетей в задачах прогнозирования в финансовой сфере Sistemnì Doslìdženâ ta Informacìjnì Tehnologìï |
| title | Исследование каскадных нео-фаззи нейронных сетей в задачах прогнозирования в финансовой сфере |
| title_full | Исследование каскадных нео-фаззи нейронных сетей в задачах прогнозирования в финансовой сфере |
| title_fullStr | Исследование каскадных нео-фаззи нейронных сетей в задачах прогнозирования в финансовой сфере |
| title_full_unstemmed | Исследование каскадных нео-фаззи нейронных сетей в задачах прогнозирования в финансовой сфере |
| title_short | Исследование каскадных нео-фаззи нейронных сетей в задачах прогнозирования в финансовой сфере |
| title_sort | исследование каскадных нео фаззи нейронных сетей в задачах прогнозирования в финансовой сфере |
| url | http://journal.iasa.kpi.ua/article/view/32561 |
| work_keys_str_mv | AT yupzaychenko issledovaniekaskadnyhneofazzinejronnyhsetejvzadačahprognozirovaniâvfinansovojsfere |