《表2 各股在四种预测模型下的性能指标》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《贝叶斯神经网络在股票时间序列预测中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由图2、图3和表2可以看出，对于预测精度方面，BRNN预测模型无论是RMSE还是MAPE值均小于其他传统BPNN预测模型下的预测误差。且BRNN预测模型的PCD值均大于其他算法，说明BRNN算法对于股价波动性涨幅的预测精度仍优于其他算法。就预测股价与实际股价相关系数而言，四只股票在BRNN预测模型下的相关系数r均大于0.83，说明BRNN算法预测数据与实际数据成强相关性，从而证明了BRNN算法对于股价预测的可行性，且相比于经典BPNN算法及其改进算法更加有效。