[摘要] Spiking神經(jīng)網(wǎng)絡(luò)是一種新型的神經(jīng)網(wǎng)絡(luò)，它采用更接近于生物神經(jīng)元的動(dòng)態(tài)的Spike神經(jīng)元作為計(jì)算單元，進(jìn)行信息的編碼和處理。文中給出了基于粒子群算法的Spiking神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型，并運(yùn)用于上證指數(shù)的趨勢(shì)預(yù)測(cè)，結(jié)果表明其用于股市預(yù)測(cè)是有效性。

[關(guān)鍵詞] Spiking神經(jīng)網(wǎng)絡(luò) 學(xué)習(xí)模型 股市預(yù)測(cè)

一、引言

隨著經(jīng)濟(jì)的增長(zhǎng)，對(duì)于股市的預(yù)測(cè)將變得越來(lái)越重要，也成為經(jīng)濟(jì)理論研究中的一個(gè)重要課題。股票市場(chǎng)的變化有很多因素，是一個(gè)復(fù)雜的非線性系統(tǒng)，而人工神經(jīng)網(wǎng)絡(luò)能夠從大量復(fù)雜的數(shù)據(jù)中找到數(shù)據(jù)間的內(nèi)在聯(lián)系，具有良好的自我學(xué)習(xí)和抗干擾能力，在股票預(yù)測(cè)領(lǐng)域中取得了顯著的效果。本文應(yīng)用一種更接近于生物神經(jīng)系統(tǒng)的Spiking神經(jīng)網(wǎng)絡(luò)，采用基于粒子群算法的學(xué)習(xí)模型，構(gòu)建了滬市上證綜合指數(shù)的學(xué)習(xí)預(yù)測(cè)模型，并用實(shí)際數(shù)據(jù)進(jìn)行了分析實(shí)驗(yàn)。

二、Spiking神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)模型

Spike神經(jīng)元模型是更接近生物神經(jīng)元的一個(gè)數(shù)學(xué)模型，由Spike神經(jīng)元構(gòu)成的人工神經(jīng)網(wǎng)絡(luò)稱為Spiking神經(jīng)網(wǎng)絡(luò)。在Spiking神經(jīng)網(wǎng)絡(luò)中，一個(gè)Spike神經(jīng)元在t時(shí)刻接收來(lái)自于父突觸神經(jīng)元的多個(gè)post-synaptic potential（PSP）信號(hào)，不斷改變自己的膜電壓。當(dāng)它的膜電壓超過(guò)閾值時(shí)，產(chǎn)生一個(gè)spike，并通過(guò)突觸連接向外發(fā)送PSP信號(hào)。用于描述PSP信號(hào)的spike響應(yīng)函數(shù)定義為：

三、上證綜合指數(shù)的預(yù)測(cè)

滬市上證綜合指數(shù)是上海證券交易所編制的，以上海證券交易所掛牌上市的全部股票為計(jì)算范圍，以發(fā)行量為權(quán)數(shù)綜合，上證綜指反映了上海證券交易市場(chǎng)的總體走勢(shì)，所以對(duì)上證綜指的預(yù)測(cè)具有重要的意義。文中選取了2006年6月～2007年7月共286個(gè)工作日的滬市上證綜合指數(shù)作為研究的原始數(shù)據(jù)，利用滑動(dòng)窗口技術(shù)，通過(guò)前6天收盤(pán)時(shí)的上證指數(shù)來(lái)預(yù)測(cè)第7天收盤(pán)時(shí)的上證指數(shù)。

我們構(gòu)建了具有6個(gè)輸入神經(jīng)元、4個(gè)隱含層神經(jīng)元和1個(gè)輸出節(jié)點(diǎn)的前向全連接Spiking神經(jīng)網(wǎng)絡(luò)，并利用以上的Spiking神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型進(jìn)行測(cè)試。選取了原始數(shù)據(jù)中的前276個(gè)數(shù)據(jù)構(gòu)成神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集，后10個(gè)數(shù)據(jù)用于測(cè)試。在實(shí)驗(yàn)前，我們對(duì)原始數(shù)據(jù)進(jìn)行歸一化的處理轉(zhuǎn)換為[0，1]之間的值。把歸一化后的前6天收盤(pán)時(shí)的上證指數(shù)分別作為6個(gè)輸入神經(jīng)元的spike時(shí)間加入到Spiking神經(jīng)網(wǎng)絡(luò)中進(jìn)行學(xué)習(xí)和計(jì)算，獲得神經(jīng)網(wǎng)絡(luò)輸出節(jié)點(diǎn)的spike時(shí)間，該時(shí)間對(duì)應(yīng)于第7天的收盤(pán)指數(shù)。按本文式（3）計(jì)算獲得Spiking神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)誤差，通過(guò)粒子群算法不斷調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)使誤差最小化。獲得了最優(yōu)的Spiking神經(jīng)網(wǎng)絡(luò)后，用測(cè)試集的數(shù)據(jù)對(duì)其性能進(jìn)行了測(cè)試。經(jīng)Spiking神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)預(yù)測(cè)后的上證指數(shù)變化如圖。

結(jié)果表明，與傳統(tǒng)BP算法相比，基于粒子群算法的Spiking神經(jīng)網(wǎng)絡(luò)具有較快的運(yùn)算速度和逼近性能， 同時(shí)可以克服SpikeProp算法陷入局部最優(yōu)解和對(duì)權(quán)值有約束的缺點(diǎn)，可以較好地處理股票類(lèi)非線性數(shù)據(jù)的學(xué)習(xí)和預(yù)測(cè)。

四、結(jié)論

股票市場(chǎng)的不確定因素太多，是一個(gè)復(fù)雜的非線性系統(tǒng)，而神經(jīng)網(wǎng)絡(luò)具有自我學(xué)習(xí)的能力，能很好地解決不明確環(huán)境中的非線性應(yīng)用問(wèn)題。Spiking神經(jīng)網(wǎng)絡(luò)作為一種新型的動(dòng)態(tài)的神經(jīng)網(wǎng)絡(luò)，其利用動(dòng)態(tài)的spike時(shí)間進(jìn)行信息編碼和計(jì)算的特點(diǎn)與股票市場(chǎng)中動(dòng)態(tài)的時(shí)間序列相吻合。文中對(duì)應(yīng)用Spiking神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)國(guó)內(nèi)股票市場(chǎng)做了初步的探討，獲得了較好的擬合效果。進(jìn)一步改進(jìn)原始數(shù)據(jù)的處理方式，提高Spiking神經(jīng)網(wǎng)絡(luò)的自適應(yīng)能力，將能得到更好的預(yù)測(cè)效果。

參考文獻(xiàn):

[1]Sander M:Bohte， Spiking Neural Networks [D].ISBN 90-6734-167-3， 2003

[2]Gerstner W， Kistler W. Spiking Neuron Models: Single Neurons， Populations， Plasticity [M]. Cambridge University Press， 2002

[3]韓文蕾王萬(wàn)誠(chéng):概率神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股票市場(chǎng)的漲跌[J].計(jì)算機(jī)應(yīng)用與軟件，2005，22(11):133～135

[4]廉新宇吳立鋒:基于小波神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)[J].商場(chǎng)現(xiàn)代化，2006，10月中旬刊:331～332

[5]鄭建剛等：基于改進(jìn)免疫遺傳算法的神經(jīng)網(wǎng)絡(luò)及其在股票預(yù)測(cè)中的應(yīng)用[J].華東理工大學(xué)學(xué)報(bào)，2006，32(11):1342～1345