METODE PRINCIPALCOMPONENTANALYSIS
E-MAIL: 657850440@qq.com
Abstrak: Alasannya adalah jaringan saraf tenggelam ke minimum lokal dan tidak bisa
Studi tentang prediksi harga saham memiliki signifikansi teoritis dan nilai melompat [ 1], Kemudian Kimoto, Asakawa, Takeoka dan Yoda (1990), yang
aplikasi yang besar. Metode peramalan saham tradisional tidak dapat cocok dan mengembangkan sistem prakiraan Indeks Harga Bursa Efek Tokyo (TPOIX),
analisisnya sangat nonlinier, multi-faktor pasar saham baik, terdapat masalah meneliti Bursa Efek Tokyo, indeks tertimbang harga, hasil untuk model
seperti akurasi prediksi yang tidak tinggi, kecepatan pelatihan yang lambat dll.
jaringan Neural dari rata-rata tertimbang dari tarif kembali dari indeks
Untuk meningkatkan akurasi peramalan harga saham, makalah ini mengusulkan
TOPIX19% [ 2], pada tahun 1999 Inggris Raya Timmwemann dan Pesaran
metode prediksi model jaringan syaraf tiruan Elman berdasarkan metode
melalui sejarah indeks saham London dari 25 data uji, menemukan bahwa
analisis komponen utama. Untuk membandingkan hasil dengan lebih baik, buat
struktur jaringan BP yang sama dan jaringan Elman, ramalan untuk data stok; berdasarkan akurasi prediksi model jaringan saraf hingga 60% [ 3]. Mizuno,
Kemudian menggunakan analisis komponen utama, filter faktor yang Yajima dan Kosaka di Tokyo menggunakan ANN untuk memprediksi akurasi
berpengaruh signifikan terhadap harga saham, model jaringan saraf elman prediksi harga beli dan jual rata-rata pasar saham sebesar 63% [ 4].
berdasarkan metode analisis komponen utama, dan dibandingkan dengan
jaringan Elman tunggal dan jaringan BP hasil prediksi. Hasilnya menunjukkan
konvergensi jaringan BP relatif lambat, berlatih lama, dan dapat menyatu ke Lin, Paua dan Ming menggunakan ANN untuk memprediksi saham Singapura
minimum lokal; Waktu pelatihan jaringan Elman singkat, bilah kesalahan untuk
harga mencapai akurasi 81% [ 5]. Meskipun banyak ahli dalam teknik
kinerja yang lebih lancar dan lebih stabil; Model jaringan saraf Elman
peramalan jaringan saraf melakukan banyak upaya, ada banyak kemajuan
berdasarkan analisis komponen utama dengan akurasi lebih tinggi, kecepatan
tetapi masih gagal, alasannya adalah bahwa menggunakan peramalan
jaringan lebih cepat.
jaringan saraf tradisional membutuhkan pemodelan persyaratan tinggi, jika
tidak, model yang ada kecepatan jaringan lambat, akurasi dan kesalahan
prediksi sulit untuk mengontrol kekurangan [ 6]. Untuk mengatasi kekurangan
jaringan syaraf tradisional, pada tahun 1990 JL Elman mengusulkan jaringan
Kata kunci: syaraf Elman. Karena dapat mengambil perkiraan presisi sewenang-wenang
Jaringan saraf BP; Jaringan saraf Elman; metode analisis dari pemetaan nonlinier [ 7] untuk mengatasi kecepatan jaringan lambat yang
komponen utama buruk, akurasi dan kesalahan yang sulit untuk mengontrol masalah
menyediakan seperangkat ide dan metode baru. Jaringan saraf Liang Qibin
1. pengantar radial (RBF) dan jaringan saraf Elman untuk memprediksi efek substrat
senyawa dekontaminasi di lahan basah yang dibangun, Dan memverifikasi
Ada banyak faktor yang mempengaruhi pergerakan harga saham, metode peramalan jaringan saraf Elman dengan akurasi tinggi [ 8]. Jaringan
seperti faktor psikologis, kebijakan, kondisi ekonomi, investor, faktor-faktor saraf OIF Elman diusulkan oleh Li Ming untuk memprediksi indeks komposit
tersebut kompleks, saling mempengaruhi, adanya nonlinier yang lebih kuat pasar saham, hasilnya menunjukkan bahwa model prediksi pasar saham
dan tidak pasti, sehingga model prediksi saham lebih sulit ditentukan. layak dan efektif, sangat baik dalam memprediksi potensi dan prospek
Bagaimana membangun model perkiraan kecepatan operasi yang presisi aplikasi yang luas [ 9].
dan lebih tinggi, memiliki signifikansi teoritis dan nilai praktis bagi investor
saham.
Karena jaringan syaraf tiruan (JST) memiliki pendekatan linier yang Namun sulit untuk memilih variabel input jaringan syaraf tiruan karena
baik banyak digunakan dalam berbagai bidang prediksi, paling awal White harga saham dipengaruhi oleh banyak faktor. Ketika variabel masukan
(1988) mencoba menggunakan jaringan syaraf tiruan untuk memprediksi berlebihan, struktur jaringan rumit, menambah beban jaringan saraf
tarif remunerasi harian saham biasa IBM, hasilnya jauh dari memuaskan. Itu
melakukan lapisan x C k x C k 1 xk 1 ( 4)
412
Jaringan saraf BP dalam kesalahan perkiraan kurang dari 3%, dan 3.3. Analisis komparatif dari ketiga model dalam prediksi
kesalahan prediksi jaringan saraf Elman dalam saham
- 2% ~ 2.5%, efeknya lebih baik, dengan menghitung prediksi jaringan BP
rata-rata kesalahan kuadrat MSE 2.9453e-004, namun prediksi jaringan Tabel 2 adalah mean squared error dari tabel tiga model, model
Elman berarti kesalahan kuadrat MSE 1.1574e-004, kurva pelatihan
prediksi jaringan saraf PCA-Elman mean squared error adalah yang
jaringan saraf Elman daripada jaringan saraf BP lebih lancar , performa
lebih stabil. terkecil.
model MSE
3.2. Prediksi saham berdasarkan jaringan saraf PCA-Elman
Jaringan saraf BP 2.9453e-004
413
Referensi [14] Xizhao Wang, Buku nya' nama, Penerbit, Lokasi,
Tahun.
[3] Bo Jiang, dan Dong Chen, Studi jaringan saraf BP dalam prediksi
indeks saham dan aplikasi. Universitas Maritim Dalian, 2012.
[5] Xiuzhen Xie, dan Jianyang Li, ” Mempelajari prediksi saham jangka
pendek berdasarkan jaringan saraf LAMSTAR ".
teknik komputer dan sains, Vol 30, No. 5, hlm.150-153.
[9] Ming Li, Limin Wang, Yang Liu. ” Model Jaringan Saraf Tiruan OIF
Elman yang Ditingkatkan dengan Faktor Arah Keuntungan dan
Aplikasinya ". Prosiding
Konferensi ICMV2009, Dubai. PP.208-211, Des 2009. [10] Lian
Zeng, dan Cenglian Liu, “ prediksi harga emas
berdasarkan jaringan saraf BP ditingkatkan ". simulasi komputer, Vol
27, No. 9, hlm. 200-203, 2010. [11] Chen Zhou, Yudong Feng, “ berdasarkan
multivariat
analisis model regresi linier dari permintaan air di Timur Laut ". praktek
dan pengetahuan matematika, Vol 44, No. 1, hal 119-123, 2014. [12]
Peter. C. Penulis, “ Kertas ' nama S ", Prosiding
[13] Yohanes. B. Penulis, dan Seorang teman, " J kertas jurnal kita ' s
nama ", Nama jurnal, Vol 39, No.1, hlm.222-226, Februari 2001.
414