基于RBF神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究

發(fā)布時(shí)間：2020-03-26 08:47

【摘要】： 股票市場是我國資本市場的重要組成部分,在推動(dòng)我國經(jīng)濟(jì)發(fā)展中起到了重要的作用。為了更好地理解股票市場以及為了獲得更多的收益,股市的預(yù)測成了眾多投資者及學(xué)術(shù)研究人員的熱點(diǎn)問題。上證指數(shù)是研究和判斷股票價(jià)格變化趨勢必不可少的參考依據(jù),它一定程度上反映了我國的經(jīng)濟(jì)實(shí)力,是宏觀經(jīng)濟(jì)的晴雨表,也是分析微觀經(jīng)濟(jì)的重要指標(biāo),所以研究上證指數(shù)走勢的預(yù)測方法具有相當(dāng)重要的現(xiàn)實(shí)意義和應(yīng)用價(jià)值。將神經(jīng)網(wǎng)絡(luò)方法用于金融數(shù)據(jù)預(yù)測是近幾年發(fā)展起來的。RBF神經(jīng)網(wǎng)絡(luò)由于其結(jié)構(gòu)簡單,訓(xùn)練簡潔且學(xué)習(xí)收斂速度快,能夠逼近任意非線性函數(shù),故在時(shí)間序列分析、模式識(shí)別、非線性控制等領(lǐng)域有著較為廣泛的應(yīng)用,是近年來神經(jīng)網(wǎng)絡(luò)應(yīng)用的熱點(diǎn)模型之一。本文在簡要介紹了股票及股票市場相關(guān)情況后,介紹了神經(jīng)網(wǎng)絡(luò)相關(guān)理論,在將近三年的上證指數(shù)數(shù)據(jù)分為四段后,分析了RBF神經(jīng)網(wǎng)絡(luò)在上證綜指預(yù)測中不同時(shí)間段下的適用性,找到了適合各段時(shí)間的訓(xùn)練樣本數(shù),并在最后比較了單步預(yù)測與滾動(dòng)預(yù)測的預(yù)測精度,對(duì)上證指數(shù)的一段數(shù)據(jù)進(jìn)行了預(yù)測和擬合。論文最后得到以下幾點(diǎn)結(jié)論:一,在數(shù)據(jù)相對(duì)穩(wěn)定時(shí)期10天的滑窗較合適,在數(shù)據(jù)波動(dòng)較頻繁時(shí)期3到5天的滑窗預(yù)測較合適;二,在數(shù)據(jù)波動(dòng)過頻繁時(shí),RBF網(wǎng)絡(luò)預(yù)測精度很差,需更換其它模型;三,適合于各時(shí)段的訓(xùn)練樣本大小空間為130-150,樣本大小為140時(shí),較具通用性;四,過多或過少的訓(xùn)練樣本對(duì)預(yù)測精度均有較大影響;五,大部分時(shí)段下,滾動(dòng)預(yù)測沒有單步預(yù)測精度高。
【圖文】：

前饋型神經(jīng)網(wǎng)絡(luò),前饋網(wǎng)絡(luò)

的神經(jīng)網(wǎng)絡(luò)模型，其中前饋網(wǎng)絡(luò)和反饋型網(wǎng)絡(luò)是兩種典型的結(jié)構(gòu)模型。一、前饋型神經(jīng)網(wǎng)絡(luò)前饋型神經(jīng)網(wǎng)絡(luò)(Feed forward neural network)，又稱前饋網(wǎng)絡(luò)。如圖2.1所示，，神經(jīng)元分層排列，有輸入層、隱層(亦稱中間層，可有若干層)和輸入層，每一層的神經(jīng)元只接受前一層神經(jīng)元的輸入。從學(xué)習(xí)的觀點(diǎn)看前饋網(wǎng)絡(luò)是一種強(qiáng)有力的學(xué)習(xí)系統(tǒng)，其結(jié)構(gòu)簡單而且易于編程:從系統(tǒng)的觀點(diǎn)，前饋網(wǎng)絡(luò)是一靜態(tài)非線性映射，通過簡單非線性處理單元的復(fù)合映射，可獲得復(fù)雜的非線性處理能力。但從計(jì)算的觀點(diǎn)看，缺乏豐富的動(dòng)力學(xué)行為。大部分前饋網(wǎng)絡(luò)都是學(xué)習(xí)網(wǎng)絡(luò)，它們的分類能力和模式識(shí)別能力一般都強(qiáng)于反饋網(wǎng)絡(luò)

反饋網(wǎng)絡(luò)