本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的時間序列分析在股票投資中的研究與應(yīng)用

  更多相關(guān)文章： 多元線性回歸分析法 主成分分析法 Elman神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò) 股票價格預(yù)測

【摘要】：隨著市場經(jīng)濟的不斷發(fā)展和中國股市的規(guī)范化、正規(guī)化，，股票投資不斷興起，股票市場在金融投資領(lǐng)域占有越來越重要的地位。因此較準確地描述股價走勢，不但對我們?nèi)粘Ｉ町a(chǎn)生巨大影響，也會對我國經(jīng)濟的持續(xù)發(fā)展提供有價值的參考。傳統(tǒng)的股票預(yù)測方法不能很好地的分析和擬合高度非線性、多因素影響的股票市場，存在預(yù)測精度不高、預(yù)測速度較慢等問題。而人工神經(jīng)網(wǎng)絡(luò)以其良好的非線性逼近性以及自適應(yīng)、自組織等特點被廣泛應(yīng)用在金融領(lǐng)域。本文基于神經(jīng)網(wǎng)絡(luò)模型并結(jié)合多元線性回歸分析以及主成分分析在股票預(yù)測中的作用，分別提出基于多元回歸的Elman神經(jīng)網(wǎng)絡(luò)組合模型和基于主成分分析的Elman神經(jīng)網(wǎng)絡(luò)組合模型，并利用包鋼股份數(shù)據(jù)進行仿真實驗，檢驗?zāi)Ｐ偷念A(yù)測效果。 1）多元回歸神經(jīng)網(wǎng)絡(luò)模型。多元線性回歸根據(jù)解釋變量與被解釋變量之間的線性關(guān)系而建立回歸模型的過程。本文利用多元線性回歸和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法進行預(yù)測，將多元線性回歸方法預(yù)測結(jié)果作為Elman神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元，經(jīng)過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練得到預(yù)測結(jié)果。結(jié)果表明，與單一神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果相比，組合模型預(yù)測精度和預(yù)測速度有較大提升，更加適合處理數(shù)據(jù)信息復(fù)雜的系統(tǒng)。 2）主成分神經(jīng)網(wǎng)絡(luò)模型。利用主成分法進行降維，將多個解釋變量通過線性變化轉(zhuǎn)化為少數(shù)主成分的過程。單一的Elman神經(jīng)網(wǎng)絡(luò)輸入向量過于復(fù)雜，數(shù)據(jù)之間存在一定相關(guān)性。為了減小數(shù)據(jù)之間的冗余度，利用主成分分析法來分析股票指數(shù)之間的相關(guān)性，形成新的樣本集，并將新的樣本集作為Elman的訓(xùn)練數(shù)據(jù)。不僅減少了網(wǎng)絡(luò)建模時輸入數(shù)，而且能夠有效地提高網(wǎng)絡(luò)學(xué)習(xí)效率。 為了檢驗?zāi)Ｐ皖A(yù)測效果，建立結(jié)構(gòu)相同的BP神經(jīng)網(wǎng)絡(luò)和Elman神經(jīng)網(wǎng)絡(luò)模型，并利用原始數(shù)據(jù)進行預(yù)測。運用軟件matlab和eviews對包鋼股份2013年4月12日到2014年3月26日期間股票收盤價進行仿真預(yù)測，結(jié)果表明基于主成分分析的Elman神經(jīng)網(wǎng)絡(luò)預(yù)測模型具有較高的預(yù)測精度、較快的網(wǎng)絡(luò)訓(xùn)練速度，能夠更好的預(yù)測該股票價格走勢。
【關(guān)鍵詞】：多元線性回歸分析法 主成分分析法 Elman神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò) 股票價格預(yù)測
【學(xué)位授予單位】：沈陽工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F832.51;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-16
• 1.1 股票的研究背景與意義9
• 1.2 股票分析方法綜述9-11
• 1.3 神經(jīng)網(wǎng)絡(luò)的研究背景、意義與研究現(xiàn)狀11-15
• 1.3.1 神經(jīng)網(wǎng)絡(luò)的研究背景與意義11-13
• 1.3.2 神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀13-15
• 1.4 本文主要研究內(nèi)容15-16
• 第2章 與課題相關(guān)基本概念與基礎(chǔ)知識16-27
• 2.1 股票價格預(yù)測基礎(chǔ)知識16-17
• 2.2 人工神經(jīng)網(wǎng)絡(luò)模型17-23
• 2.2.1 BP 神經(jīng)網(wǎng)絡(luò)模型17-20
• 2.2.2 Elman 神經(jīng)網(wǎng)絡(luò)模型20-23
• 2.3 多元線性回歸分析技術(shù)23-24
• 2.3.1 多元線性回歸模型23
• 2.3.2 多元線性回歸模型的檢驗23-24
• 2.4 主成分分析法24-27
• 2.4.1 主成分分析法原理24-25
• 2.4.2 主成分分析法計算步驟25-26
• 2.4.3 主成分分析法的優(yōu)缺點26-27
• 第3章 基于多元線性回歸的 Elman神經(jīng)網(wǎng)絡(luò)股價預(yù)測模型27-34
• 3.1 引言27
• 3.2 基于多元線性回歸股價預(yù)測模型27-31
• 3.3 基于多元線性回歸的 Elman 神經(jīng)網(wǎng)絡(luò)股價預(yù)測模型31-33
• 3.4 本章小結(jié)33-34
• 第4章 基于主成分分析的 Elman神經(jīng)網(wǎng)絡(luò)股價預(yù)測模型34-46
• 4.1 引言34
• 4.2 基于 BP 神經(jīng)網(wǎng)絡(luò)股價預(yù)測模型34-38
• 4.3 基于 Elman 神經(jīng)網(wǎng)絡(luò)股價預(yù)測模型38-40
• 4.4 基于主成分分析的 Elman 神經(jīng)網(wǎng)絡(luò)股價預(yù)測模型40-45
• 4.5 本章小結(jié)45-46
• 第5章 結(jié)論與展望46-47
• 參考文獻47-50
• 在學(xué)研究成果50-51
• 致謝51

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 劉勇;我國股票市場和宏觀經(jīng)濟變量關(guān)系的經(jīng)驗研究[J];財貿(mào)經(jīng)濟;2004年04期

2 程瑜蓉,郭雙冰;基于混沌時間序列分析的股票價格預(yù)測[J];電子科技大學(xué)學(xué)報;2003年04期

3 張江昆;常太華;孟洪民;劉白楊;胡陽;張超;;基于ARIMA與Elman神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速組合預(yù)測方法[J];電子世界;2013年18期

4 陳曉紅,朱霞;基于神經(jīng)網(wǎng)絡(luò)的期貨套期保值決策支持系統(tǒng)[J];管理科學(xué)學(xué)報;2001年06期

5 馮清海;袁萬城;;BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)在墩柱抗震性能評估中的比較研究[J];結(jié)構(gòu)工程師;2007年05期

6 麻衛(wèi)華,李玉紅;股指期貨與我國股票市場發(fā)展[J];金融教學(xué)與研究;2004年05期

7 謝秀珍;李建洋;;基于神經(jīng)網(wǎng)絡(luò)LAMSTAR的短線股票預(yù)測研究[J];計算機工程與科學(xué);2008年05期

8 曾濂;馬丹

本文編號：728412