【摘要】： 隨著股票市場在我國的不斷成長、中國經(jīng)濟的快速發(fā)展,越來越多的人將資金投向股票市場。因此,對股票市場走勢的預測具有很大的理論意義和應用價值。股指作為一種重要的金融數(shù)據(jù),具有強不確定性和非線性,所以對股指的預測存在一定的難度,目前對股指的預測多采用BP神經(jīng)網(wǎng)絡。本文主要研究的內(nèi)容是針對BP神經(jīng)網(wǎng)絡的一些缺陷提出徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡更適合對股指進行預測,同時為了使預測的效果更佳,將小波分析理論引入本文當中。 本文首先對中國股票市場的現(xiàn)狀進行分析,然后引入小波理論,并對其進行簡單介紹,說明小波理論在股指預測中的應用方法。隨后介紹了人工神經(jīng)網(wǎng)絡的發(fā)展概況及分類,并對本文所要用的BP神經(jīng)網(wǎng)絡及RBF神經(jīng)網(wǎng)絡的算法及學習規(guī)則進行了說明。在理論基礎之上,本文將小波分析同神經(jīng)網(wǎng)絡結合應用于股指的預測。本文分別選取了97年到06年深、滬的每周閉盤指數(shù)共452個作為樣本數(shù)據(jù)。 本文的第四章、第五章為實證部分。第四章對樣本數(shù)據(jù)進行小波處理,使用sym8小波函數(shù)對其進行降噪處理,使數(shù)據(jù)變得更加平滑,提高之后預測的準確度。文章的第五章先使用BP神經(jīng)網(wǎng)絡算法進行建模,用小波處理后的數(shù)據(jù)作為網(wǎng)絡的輸入,并對預測的結果進行平均絕對誤差及平均相對誤差計算;然后使用相同的輸入數(shù)據(jù)用RBF神經(jīng)網(wǎng)絡建模預測,最后將BP網(wǎng)絡及RBF網(wǎng)絡預測的結果進行比較分析,得出RBF網(wǎng)絡在股指預測中較BP網(wǎng)絡更加準確。為了說明小波理論在股指預測中應用的有效性,本文還對未經(jīng)小波降噪的預測結果同降噪后的預測結果進行比較,證明將小波理論應用于此有明顯效果。
【圖文】：

第三章 神經(jīng)網(wǎng)絡理論概述見，從總體上看，網(wǎng)絡由輸入到輸出的映射是非線性的，而網(wǎng)絡數(shù)而言卻又是線性的。這樣網(wǎng)絡的權就可由線性方程直接解出或推計算，從而大大加快學習速度并避免局部極小問題�；W(wǎng)絡結構網(wǎng)絡的神經(jīng)元模型結構[14]如圖 3-10 所示，由圖 3-10 可見，，徑向數(shù)radbas是以權值向量和閾值向量之間的距離‖dist‖作為自變‖dist‖是通過輸入向量和加權矩陣的行向量的乘積得到的。徑函數(shù)的原型函數(shù)為：（3-2）2()nradbasne =

RBF網(wǎng)絡結構
【學位授予單位】：天津大學
【學位級別】：碩士
【學位授予年份】：2007
【分類號】：F224;F830.91

【引證文獻】

相關碩士學位論文 前1條

1 李麗;基于小波變換的心電微弱信號處理的研究[D];遼寧工程技術大學;2011年

本文編號：2687101