李音润 欧 鸥

(成都理工大学信息科学与技术学院 四川 成都 610059)

0 引 言

随着机器学习、人工神经网络、强化学习和深度学习等人工智能技术的发展，人工智能技术被成功应用于图像处理、语音识别和自然语言处理等领域。人工神经网络属于机器学习领域的一个分支，具有非线性、自适应的分布式并行结构，可用于解决分类和回归问题。

金融市场结构复杂、波动频繁的特点受人类社会经济和自然各方面因素影响。大量复杂的变化因素导致研究分析市场行为的困难增加。艾略特波浪理论被成功应用于金融市场的分析。该理论由R.N.艾略特[1](Ralph Nelson Elliott)提出。艾略特认为金融市场的波动行为遵循一定的模式，仅在范围和时间上有区别，他将这类模式定义为“艾略特波浪”。此外，波浪理论不仅适用于描述交易市场的变化行为，还可正确描述人类群体性行为以及各种自然现象，因此又称之为“自然法则”。

尽管艾略特波浪理论具有较高的准确性，但目前国内学者对它的研究较少，将人工智能应用于该理论的研究更是寥寥无几。鉴于这种现状，本文提出利用人工神经网络技术，从金融市场的历史数据中识别、提取出艾略特波浪模式。本文介绍了两种基于人工神经网络的技术——传统的后向传播神经网络和模糊神经网络，并根据这两种技术设计出识别艾略特波浪模式的分类器。传统后向传播网络在研究和实验过程中表现了一些缺陷，于是在传统后向传播网络的基础上引入了模糊神经网络。……