자가 적응형 변형 PSO-Elman 신경망을 기반으로 한 주식 시장 개장 가격의 단기 예측

주식 가격은 복잡한 비선형 동적 시스템 중 하나입니다. 일반적으로 Elman 신경망은 과거 상태를 기억하는 하나의 컨텍스트 레이어를 가진 지역 순환 신경망으로, 시계열 문제 해결에 적합합니다. 이러한 점을 고려하여 이 논문에서는 Elman 네트워크를 사용하여 주식 시장의 개장 가격을 예측합니다. Elman 네트워크의 한계를 고려하여, 이 논문에서는 네트워크의 가중치와 경계값을 최적화하기 위해 자가 적응형 변형 PSO 알고리즘을 채택합니다. 이후, 최적화된 데이터는 초기 가중치 및 경계값으로 간주되어 Elman 네트워크에 훈련 데이터로 제공되며, 따라서 자가 적응형 변형 PSO-Elman 네트워크를 기반으로 한 주식 시장 개장 가격 예측 모델이 형성됩니다. 마지막으로, 이 논문은 몇 가지 주식 가격을 통해 해당 모델을 검증하고, BP 네트워크 및 Elman 네트워크와 비교하여 이 예측 모델의 정확성과 안정성이 전통적인 신경망보다 우수함을 보여주는 결과를 도출합니다.