【摘要】： 在對(duì)目前國際上股票預(yù)測(cè)研究的熱點(diǎn)之一——人工神經(jīng)網(wǎng)絡(luò)進(jìn)行深入地分析與研究的基礎(chǔ)上,針對(duì)其收斂速度慢,學(xué)習(xí)中不具備全局搜索能力,易陷入局部極小,并最終導(dǎo)致股價(jià)預(yù)測(cè)精度不高的問題,本文提出了基于粒子群優(yōu)化(Particle Swarm Optimization,PSO)的神經(jīng)網(wǎng)絡(luò)模型及算法,并對(duì)輸入變量運(yùn)用主成分分析法降維處理,以提高算法的效率,與BP神經(jīng)網(wǎng)絡(luò)相比,股價(jià)預(yù)測(cè)精度提高較大。主要從事了以下研究工作: (1) BP算法 通過對(duì)BP算法的深入研究,運(yùn)用MATLAB對(duì)現(xiàn)實(shí)股票的價(jià)格進(jìn)行仿真預(yù)測(cè),實(shí)驗(yàn)表明其預(yù)測(cè)精度不高,不能滿足實(shí)際的要求。 (2) PSO算法 通過對(duì)PSO算法改進(jìn)的討論和比較,從實(shí)際情況出發(fā),確定了帶慣性因子的PSO算法做為基于PSO的神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)。 (3)采用主成分分析法對(duì)多維變量降維 引入主成分分析法對(duì)原始輸入變量進(jìn)行降維處理,選擇輸入變量的主成分作為網(wǎng)絡(luò)輸入,一方面減少了輸入維數(shù),消除了各輸入變量的相關(guān)性,提高了運(yùn)算的效率;另一方面提高了網(wǎng)絡(luò)的收斂性和穩(wěn)定性,也簡化了網(wǎng)絡(luò)的結(jié)構(gòu)。實(shí)驗(yàn)證明:與未經(jīng)處理的多變量相比,輸入變量由原來的15個(gè)變成3個(gè),大大減少了輸入維數(shù),運(yùn)行時(shí)間減少,預(yù)測(cè)精度有所提高。 (4)基于PSO的神經(jīng)網(wǎng)絡(luò)模型及算法 基于PSO的神經(jīng)網(wǎng)絡(luò)模型及算法是本研究的中心,在對(duì)BP算法、PSO算法以及主成分分析法深入研究的基礎(chǔ)上,提出了基于PSO的神經(jīng)網(wǎng)絡(luò)模型及算法。 實(shí)驗(yàn)結(jié)果表明,在股價(jià)預(yù)測(cè)上,與BP神經(jīng)網(wǎng)絡(luò)相比,基于PSO的神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度更高,且達(dá)到實(shí)驗(yàn)的預(yù)期目的。
【圖文】：

人們從理論上證明了具有一個(gè)隱層的前饋神經(jīng)網(wǎng)絡(luò)就可以逼近任意的連續(xù)函數(shù)。一個(gè)多層前饋神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)結(jié)構(gòu)如圖 2.1 所示：輸入部 W 輸出部實(shí)際輸出X×教師信號(hào)訓(xùn)練部圖 2.1 神經(jīng)網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)系統(tǒng)分為三個(gè)部分，輸入部分、訓(xùn)練部分和輸出部分。輸入部分接收外來的輸入X，由訓(xùn)練部分進(jìn)行網(wǎng)絡(luò)的權(quán)系數(shù) W 調(diào)整，然后由輸出部分輸出結(jié)果。在這個(gè)過期望的輸出信號(hào)可以作為教師信號(hào)輸入，，由該教師信號(hào)與實(shí)際輸出進(jìn)行比較，產(chǎn)差去控制修改權(quán)系數(shù) W。其學(xué)習(xí)結(jié)構(gòu)如圖 2.2 所示。

383 S 型激勵(lì)函數(shù)圖 5.3 所示的是對(duì)數(shù) S 型的激勵(lì)函數(shù)，其輸入?yún)?shù)是正負(fù)區(qū)間內(nèi)的任意值，而輸出被限定在[0,1]之間。這種函數(shù)通常應(yīng)用于反向傳播神經(jīng)網(wǎng)絡(luò)。對(duì)于多層的網(wǎng)絡(luò)，這種激勵(lì)函數(shù)所劃分的區(qū)域不是線性劃分，是由一個(gè)非線性的超平面組成的區(qū)域，它是比較柔
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2008
【分類號(hào)】：F830.91;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊黎萌,劉開第;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)估價(jià)中的應(yīng)用[J];河北建筑科技學(xué)院學(xué)報(bào);2004年02期

2 李樹根;;基于BP神經(jīng)網(wǎng)絡(luò)的財(cái)務(wù)預(yù)警方法探究[J];中國管理信息化(會(huì)計(jì)版);2007年11期

3 張漾濱;向軍;;基于BP神經(jīng)網(wǎng)絡(luò)的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)[J];當(dāng)代經(jīng)濟(jì)(下半月);2008年11期

4 杭秋麗;;模擬電路故障診斷的BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)[J];科技創(chuàng)新導(dǎo)報(bào);2009年06期

5 張佩;馮璐;;西安房地產(chǎn)市場(chǎng)分析預(yù)測(cè)中神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用研究[J];科技經(jīng)濟(jì)市場(chǎng);2009年06期

6 金代志;王春霞;石春生;;基于BP神經(jīng)網(wǎng)絡(luò)的顧客價(jià)值識(shí)別研究[J];中國軟科學(xué);2009年07期

7 吳勁軍;人口預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型[J];統(tǒng)計(jì)與決策;2004年03期

8 羅兵,黃萬杰,楊帥;基于BP神經(jīng)網(wǎng)絡(luò)的庫存動(dòng)態(tài)預(yù)測(cè)及其應(yīng)用[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年02期

9 王維國,張靜靜;基于BP神經(jīng)網(wǎng)絡(luò)的貨運(yùn)量預(yù)測(cè)方法[J];物流技術(shù);2005年07期

10 高麗華;朱邦毅;;基于BP神經(jīng)網(wǎng)絡(luò)的中小企業(yè)信用評(píng)價(jià)[J];商場(chǎng)現(xiàn)代化;2006年14期

相關(guān)會(huì)議論文 前10條

1 馬翔;;粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)用于重復(fù)記錄檢測(cè)[A];中國運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

2 吳今培;胡旭川;陳世權(quán);;非線性時(shí)間序列動(dòng)態(tài)建模與預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)方法[A];1999年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];1999年

3 包健;吳迎笑;嚴(yán)義;;神經(jīng)網(wǎng)絡(luò)反銳化掩模算法在車牌識(shí)別中的應(yīng)用[A];第三屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2005年

4 吳進(jìn)華;巫檢豐;李莉;;基于BP神經(jīng)網(wǎng)絡(luò)的非線性動(dòng)態(tài)系統(tǒng)辨識(shí)方法[A];中國航空學(xué)會(huì)控制與應(yīng)用第十二屆學(xué)術(shù)年會(huì)論文集[C];2006年

5 周揚(yáng);翁劍楓;王昕峰;;于BP神經(jīng)網(wǎng)絡(luò)多光譜測(cè)溫儀設(shè)計(jì)[A];2009中國儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2009年

6 齊冬蓮;趙光宙;;非線性動(dòng)力學(xué)系統(tǒng)的神經(jīng)網(wǎng)絡(luò)內(nèi)�？刂蒲芯縖A];第11屆全國電氣自動(dòng)化電控系統(tǒng)學(xué)術(shù)年會(huì)論文集[C];2002年

7 汪渤;閆杰;高洪民;;慣性導(dǎo)航系統(tǒng)傳遞對(duì)準(zhǔn)技術(shù)研究[A];中國慣性技術(shù)學(xué)會(huì)光電技術(shù)專業(yè)委員會(huì)第五次學(xué)術(shù)交流會(huì)暨重慶慣性技術(shù)學(xué)會(huì)第九次學(xué)術(shù)交流會(huì)論文集[C];2002年

8 甄洪斌;張曉鋒;沈兵;何必;楊華;;基于BP神經(jīng)網(wǎng)絡(luò)的艦船電力系統(tǒng)暫態(tài)穩(wěn)定性分析[A];現(xiàn)代船舶機(jī)電維修技術(shù)（2005）[C];2005年

9 孟科;李紹軍;錢鋒;;實(shí)數(shù)編碼免疫算法在溶劑脫水塔軟測(cè)量中的應(yīng)用[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2006年

10 羅小波;劉明皓;;基于優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)遙感影像分類[A];2006年中國土地學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)重要報(bào)紙文章 前3條

1 費(fèi)振波 武英舉 本報(bào)記者 吳利紅;金星軟硬件開發(fā)齊頭并進(jìn)[N];黑龍江日?qǐng)?bào);2004年

2 ;通用數(shù)字視覺平臺(tái)JVISION-500[N];科技日?qǐng)?bào);2003年

3 汽車行業(yè)“十五”規(guī)劃研究課題組;“十五”摩托車市場(chǎng)需求預(yù)測(cè)[N];中國機(jī)電日?qǐng)?bào);2000年

相關(guān)博士學(xué)位論文 前10條

1 竇全勝;求解優(yōu)化問題的演化計(jì)算方法研究[D];吉林大學(xué);2005年

2 劉麗;人工免疫網(wǎng)絡(luò)研究及應(yīng)用[D];江南大學(xué);2008年

3 李磊;六自由度并聯(lián)平臺(tái)位置正解及控制方法研究[D];哈爾濱工程大學(xué);2008年

4 馬瑞新;基于粒子群的網(wǎng)絡(luò)社區(qū)動(dòng)態(tài)角色挖掘研究[D];大連理工大學(xué);2012年

5 陳虹;分離流動(dòng)的電磁力主動(dòng)控制[D];華中科技大學(xué);2011年

6 林川;粒子群優(yōu)化與差分進(jìn)化算法研究及其應(yīng)用[D];西南交通大學(xué);2009年

7 韓曉霞;混沌與支持向量機(jī)結(jié)合的多相催化建模與優(yōu)化研究[D];太原理工大學(xué);2010年

8 柯晶;強(qiáng)跟蹤狀態(tài)估計(jì)與群集辨識(shí)[D];浙江大學(xué);2003年

9 王昌全;成都平原城市化土壤重（類）金屬演變及其環(huán)境效應(yīng)研究[D];西南農(nóng)業(yè)大學(xué);2005年

10 時(shí)小虎;Elman神經(jīng)網(wǎng)絡(luò)與進(jìn)化算法的若干理論研究及應(yīng)用[D];吉林大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 田軍;基于PSO的神經(jīng)網(wǎng)絡(luò)模型在股價(jià)預(yù)測(cè)上的研究及應(yīng)用[D];新疆大學(xué);2008年

2 郭陽;PSO-BP神經(jīng)網(wǎng)絡(luò)在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究[D];廈門大學(xué);2009年

3 黃繼紅;基于改進(jìn)PSO的BP網(wǎng)絡(luò)的研究及應(yīng)用[D];長沙理工大學(xué);2008年

4 雷燁;基于粒子群最小二乘支持向量機(jī)的故障診斷算法研究[D];蘭州交通大學(xué);2010年

5 馬培培;基于粒子群的圖像閾值化分割的研究及應(yīng)用[D];合肥工業(yè)大學(xué);2010年

6 姚杰;基于PSO混沌神經(jīng)網(wǎng)絡(luò)電力系統(tǒng)負(fù)荷預(yù)測(cè)[D];大慶石油學(xué)院;2009年

7 劉楊;粒子群優(yōu)化算法在電力系統(tǒng)無功優(yōu)化中的應(yīng)用[D];天津大學(xué);2005年

8 任曉娜;DNA計(jì)算中的編碼設(shè)計(jì)優(yōu)化算法[D];湖南大學(xué);2010年

9 王琳;基于粒子群優(yōu)化的數(shù)據(jù)流挖掘的聚類算法分析[D];長沙理工大學(xué);2010年

10 楊治明;人工神經(jīng)網(wǎng)絡(luò)及其在圖像識(shí)別中的應(yīng)用研究[D];重慶大學(xué);2003年

本文編號(hào)：2692685