本文關(guān)鍵詞：基于灰色關(guān)聯(lián)的BP神經(jīng)網(wǎng)絡(luò)的滬深300指數(shù)預(yù)測研究　出處：《重慶師范大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 股票市場 技術(shù)指標 灰色關(guān)聯(lián)度 BP神經(jīng)網(wǎng)絡(luò) 滬深300指數(shù)

【摘要】：由于股票的高回報以及高風險性，對于股票的研究和預(yù)測方法層出不窮。而股票市場是一非線性動態(tài)系統(tǒng)，傳統(tǒng)的預(yù)測方法的預(yù)測誤差較大，由于BP神經(jīng)網(wǎng)絡(luò)可以在有噪聲環(huán)境下找到相對精確的結(jié)果且計算機的快速發(fā)展，使得依賴于計算機的BP神經(jīng)網(wǎng)絡(luò)在建立模型和預(yù)測方面得到廣泛的應(yīng)用。 本文將使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測滬深300指數(shù)，選取的是2012年8月1日到2012年12月31日之間的104天的數(shù)據(jù)，預(yù)測的輸入量則選取股票中的技術(shù)指標，但由于技術(shù)指標眾多，并不是每一個技術(shù)指標對股指的預(yù)測都有影響。所以本文采取灰色關(guān)聯(lián)分析方法來選取預(yù)測指標，并且使用MATLAB7.1工具箱對BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的程序?qū)崿F(xiàn)。設(shè)計三個方案，經(jīng)過比較發(fā)現(xiàn)，BP神經(jīng)網(wǎng)絡(luò)的輸入樣本量不同，對于預(yù)測結(jié)果有一定影響；MATLAB中實現(xiàn)結(jié)果顯示了經(jīng)過篩選后的技術(shù)指標進行預(yù)測得到的結(jié)果更加接近實際值，并且輸入樣本太少誤差較大，，但輸入樣本太多，年限跨度太大得到的預(yù)測精度也不會太高。
[Abstract]:Because of the high return and high risk of stock, the research and prediction methods of stock emerge endlessly. However, the stock market is a nonlinear dynamic system, and the prediction error of traditional forecasting method is large. Because BP neural network can find relatively accurate results in noisy environment and the computer develops rapidly, the computer based BP neural network has been widely used in modeling and prediction. In this paper, we use BP neural network to predict the CSI 300 index, and choose the 104-day data from August 1st 2012 to December 31st 2012. The predicted input is chosen as the technical index of the stock, but there are a lot of technical indexes. Not every technical index has an impact on the prediction of the stock index. So this paper adopts the grey correlation analysis method to select the prediction index. The program of BP neural network prediction model is realized by using MATLAB7.1 toolbox. Three schemes are designed. It is found that the input sample size of BP neural network is different after comparison. It has certain influence on the forecast result; The results in MATLAB show that the predicted results are closer to the actual values, and the input samples are too few, but the input samples are too many. The precision of prediction is not too high if the span of years is too long.
【學(xué)位授予單位】：重慶師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP183;N941.5;F832.51

【參考文獻】

相關(guān)期刊論文 前10條

1 孫榮;吳天微;;運用灰色系統(tǒng)模型預(yù)測滬深300指數(shù)變動[J];財會月刊;2011年24期

2 吳微,陳維強,劉波;用BP神經(jīng)網(wǎng)絡(luò)預(yù)測股票市場漲跌[J];大連理工大學(xué)學(xué)報;2001年01期

3 王年詠;;1980～1991年中國證券市場的復(fù)蘇與起步[J];當代中國史研究;2007年03期

4 丁雪梅,李英梅,倫立軍;基于神經(jīng)網(wǎng)絡(luò)的證券預(yù)測技術(shù)研究[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報;2003年04期

5 張鈺;陸軍;;基于ISNN和HGA的滬深300指數(shù)預(yù)測方法[J];計算機應(yīng)用研究;2010年06期

6 吳成東,王長濤;人工神經(jīng)元BP網(wǎng)絡(luò)在股市預(yù)測方面的應(yīng)用[J];控制工程;2002年03期

7 吳子榮;;滬深300指數(shù)的時間序列分析[J];西南金融;2007年09期

8 劉海s

本文編號：1388374