【摘要】： 預(yù)測是科學(xué)管理的重要環(huán)節(jié),是決策、規(guī)劃的前提,在社會經(jīng)濟管理中,經(jīng)常要對某一事物或系統(tǒng)的發(fā)展趨勢進行預(yù)測和分析。而股票市場是經(jīng)濟的報警器,其作用不僅被政府所重視,而且受到投資大眾的普遍關(guān)注。 起源于上世紀(jì)四十年代的人工神經(jīng)網(wǎng)絡(luò)是人工智能的一個分支,它在很多領(lǐng)域得到了廣泛的應(yīng)用。神經(jīng)網(wǎng)絡(luò)能學(xué)習(xí)貯存以往的歷史經(jīng)驗知識,并能外推到未來,這是神經(jīng)網(wǎng)絡(luò)用于預(yù)測領(lǐng)域的理論依據(jù)。對于時間序列的股市預(yù)測,神經(jīng)網(wǎng)絡(luò)比其他數(shù)學(xué)模型更有效,而且精確度更高。 遺傳算法具有強大的搜索能力,因此可以用來解決很多常規(guī)方法無法解決的問題。遺傳算法與神經(jīng)網(wǎng)絡(luò)結(jié)合后,使得神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)參數(shù)等達到最優(yōu),大大地增強了神經(jīng)網(wǎng)絡(luò)的性能,使智能計算得到了突飛猛進的發(fā)展。因此對遺傳算法和神經(jīng)網(wǎng)絡(luò)的研究具有很重要的意義。 本文基于股票市場高度非線性的特點,從遺傳算法和神經(jīng)網(wǎng)絡(luò)的基本理論入手,提出了一種GA-BP算法,來解決基本BP算法在權(quán)值調(diào)整過程中存在的收斂速度慢、易陷入局部極小點的不足。GA-BP算法具有遺傳算法全局搜索的特點,注重搜索未知區(qū)域,同時也具有神經(jīng)網(wǎng)絡(luò)處理速度快、精度較高的特點。理論分析和實驗結(jié)果表明,神經(jīng)網(wǎng)絡(luò)用于股票市場的預(yù)測是可行和有效的,有著良好的前景,而GA-BP算法進一步提高了運行的速度和可靠性。
【圖文】：

哈爾濱工程大學(xué)碩士學(xué)位論文.2基于BP算法的證券預(yù)測技術(shù)的性能分析下面采用未改進的BP網(wǎng)絡(luò)進行實驗，來說明傳統(tǒng)BP算法的缺點，見3.1節(jié)，數(shù)據(jù)未進行預(yù)處理，網(wǎng)絡(luò)的輸入結(jié)點數(shù)和隱層結(jié)點數(shù)分和16，訓(xùn)練函數(shù)為仕ain朗，對70個訓(xùn)練樣本進行仿真。訓(xùn)練500000步時，訓(xùn)練目標(biāo)曲線如圖2.2所示。圖2.3為28個測試樣本的預(yù)，其中“+’，表示期望值，‘，o’，，表示預(yù)測值。

圖3.5數(shù)據(jù)預(yù)處理后的預(yù)測本章小結(jié)本章首先分析了進行數(shù)據(jù)預(yù)處理的必要性，并說明了本實驗數(shù)據(jù)的來介紹了兩種數(shù)據(jù)預(yù)處理的方法:歸一化方法和主成分分析的方法。本實驗的具體數(shù)據(jù)，提出一種新的數(shù)據(jù)預(yù)處理方法—數(shù)據(jù)自身乘歸一化。并仿真驗證了該數(shù)據(jù)變換的有效性，但是預(yù)測誤差還是很一章采用遺傳優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型來預(yù)測經(jīng)過預(yù)處理的數(shù)據(jù)，進預(yù)測的精度。
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2008
【分類號】：F830.91;TP18

【引證文獻】

相關(guān)碩士學(xué)位論文 前1條

1 陸田;基于FPGA技術(shù)的神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)[D];青島科技大學(xué);2011年

本文編號：2668517