【摘要】： 股票市場是我國資本市場的重要組成部分,在推動我國經(jīng)濟發(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,股市的預測成了眾多投資者及學術(shù)研究人員的熱點問題。上證指數(shù)是研究和判斷股票價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)濟實力,是宏觀經(jīng)濟的晴雨表,也是分析微觀經(jīng)濟的重要指標,所以研究上證指數(shù)走勢的預測方法具有相當重要的現(xiàn)實意義和應用價值。 將神經(jīng)網(wǎng)絡方法用于金融數(shù)據(jù)預測是近幾年發(fā)展起來的。RBF神經(jīng)網(wǎng)絡由于其結(jié)構(gòu)簡單,訓練簡潔且學習收斂速度快,能夠逼近任意非線性函數(shù),故在時間序列分析、模式識別、非線性控制等領(lǐng)域有著較為廣泛的應用,是近年來神經(jīng)網(wǎng)絡應用的熱點模型之一。 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)絡在上證綜指預測中不同時間段下的適用性,找到了適合各段時間的訓練樣本數(shù),并在最后比較了單步預測與滾動預測的預測精度,對上證指數(shù)的一段數(shù)據(jù)進行了預測和擬合。 論文最后得到以下幾點結(jié)論:一,在數(shù)據(jù)相對穩(wěn)定時期10天的滑窗較合適,在數(shù)據(jù)波動較頻繁時期3到5天的滑窗預測較合適;二,在數(shù)據(jù)波動過頻繁時,RBF網(wǎng)絡預測精度很差,需更換其它模型;三,適合于各時段的訓練樣本大小空間為130-150,樣本大小為140時,較具通用性;四,過多或過少的訓練樣本對預測精度均有較大影響;五,大部分時段下,滾動預測沒有單步預測精度高。
【圖文】：

的神經(jīng)網(wǎng)絡模型，其中前饋網(wǎng)絡和反饋型網(wǎng)絡是兩種典型的結(jié)構(gòu)模型。一、前饋型神經(jīng)網(wǎng)絡前饋型神經(jīng)網(wǎng)絡(Feed forward neural network)，又稱前饋網(wǎng)絡。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。從學習的觀點看前饋網(wǎng)絡是一種強有力的學習系統(tǒng)，其結(jié)構(gòu)簡單而且易于編程:從系統(tǒng)的觀點，前饋網(wǎng)絡是一靜態(tài)非線性映射，通過簡單非線性處理單元的復合映射，可獲得復雜的非線性處理能力。但從計算的觀點看，缺乏豐富的動力學行為。大部分前饋網(wǎng)絡都是學習網(wǎng)絡，它們的分類能力和模式識別能力一般都強于反饋網(wǎng)絡

反饋型神經(jīng)網(wǎng)絡結(jié)構(gòu)
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：F830.91

【引證文獻】

相關(guān)期刊論文 前1條

1 鄭宣傳;韓寶明;李得偉;;基于RBF神經(jīng)網(wǎng)絡的城市快速路短時交通流預測研究[J];山東科學;2012年03期

相關(guān)碩士學位論文 前5條

1 姜能惠;基于RBF神經(jīng)網(wǎng)絡的高速公路追尾預測模型的研究[D];東北林業(yè)大學;2011年

2 聞靚;基于小波神經(jīng)網(wǎng)絡和STAR的股指預測方法研究[D];華南理工大學;2011年

3 朱一嘉;基于RBF神經(jīng)網(wǎng)絡的金融時序列預測研究[D];北京化工大學;2010年

4 張利芹;聚合反應過程混合建模方法的探討[D];北京化工大學;2012年

5 劉國旺;基于ARFIMA模型的上證指數(shù)收益率研究[D];廣州大學;2012年

本文編號：2601219