随着金融市场复杂性的日益提高,建立一个高准确度的股市预测模型对金融投资者具有重大理论意义和实际应用价值.相比传统时间序列模型,人工神经网络在预测准确度、数据预处理简便性上具有一定的优势,因此将人工神经网络应用到股票预测已经成为一个新的趋势.文章使用基于不同激活函数的神经网络模型,对上证综合指数进行了学习、预测,发现Relu函数由于其特殊的性质,在进行上证指数预测时可以简单有效地避免过拟合的产生,因此具有更好的泛化能力和准确度.根据该结论,文章最后提出应根据具体情况选择适合的激活函数和网络结构来构建人工神经网络.
NETL
NSTL
万方数据
