泰约A2-D'Urso，Pierpaolo AU-Mohammed，Geleta T。奥阿杜达，简A。AU-Kube，阿南达O。采用人工神经网络和模糊推理系统SP-6871396vl-2020-AB对EGARCH模型进行改进预测 半参数非线性模糊神经网络该模型解决了股市波动预测的精确建模问题。该模型是由FIS、ANN和EGARCH模型组合而成的。由于所提出的模型是高度非线性的，基于梯度的参数估计方法可能无法给出高度非线性模型的全局最优参数，因此本研究决定采用进化算法代替。特别地，提出了一种差分进化算法来解决模型的参数估计问题。在此基础上，从数学上建立了半参数非线性模糊EGARCH-ANN模型，并进行了仿真研究。仿真后，利用差分进化算法对仿真数据进行参数估计。最后，我们发现所提出的模型可以很好地捕捉到EGARCH模型所忽略的高度非线性和复杂的金融时间序列数据的波动性聚集和杠杆效应。编号：2314-4629https://doi.org/10.1155/2020/6871396 DO-10.1155/2020/6871396 JF-数学杂志PB-Hindawi KW-ER-