本文關鍵詞：基于BP神經網絡的股價預測研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：股市是現代金融市場的一個重要組成部分,股票價格不僅受到公司內部因素的影響,還受到宏觀經濟因素和市場因素的影響.由于眾多因素的影響,投資者很難把握股價的變化規(guī)律.所以建立一個能夠較好預測股票未來價格的模型,對投資者來說有實際應用價值.BP神經網絡通過對股價歷史數據的學習,將股價變化的規(guī)律存儲在神經元的權值中,通過訓練好的網絡預測未來股價.本文首先改進了激勵函數,使用新的激勵函數建立基于BP神經網絡的單變量預測模型,并驗證了激勵函數的有效性.結合周末效應確定輸入數據和目標輸出的擬合模式,預測結果不太理想.然后改進輸入數據和目標輸出的擬合模式,預測誤差明顯減小,但是改進后的擬合模式每次只能預測一個未來股票價格.通過實證確定模型最優(yōu)的參數后推廣至連續(xù)預測,短期內連續(xù)預測精度可以接受.最后使用時間序列的擬合模式,預測的誤差更小,通過選取合適的輸入層神經元數量,能將誤差控制在較小范圍內,表明該擬合模式在單變量預測模型里是最優(yōu)的.確定最優(yōu)擬合模式,建立單變量動態(tài)預測模型,加入決策函數和狀態(tài)函數進行投資決策,策略收益率明顯高于個股和指數收益率,取得了超額收益.將單變量模型推廣到多變量模型,并加入新變量開盤價、最高價和最低價,根據輸出方式的不同分為多輸出和單輸出兩種模型.在多輸出模型中確定最優(yōu)的變量組合為開盤價和收盤價兩個變量.而在單輸出模型中,確定使用四個變量的預測精度更高.在預測效果上,兩個模型均能夠實現較好的預測結果,并且各有優(yōu)劣.分別將兩個模型推廣到動態(tài)預測模型,并結合投資策略,兩種模型均取得了超額收益,說明模型是有效的.
【關鍵詞】：股價預測 神經網絡 BP算法 時間序列 擬合模式
【學位授予單位】：廣西大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F832.51;TP183
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 緒論11-14
• 1.1 引言11
• 1.2 研究現狀11-13
• 1.3 本文研究內容與結構13-14
• 第2章 理論基礎14-22
• 2.1 影響股票價值投資的因素14-15
• 2.2 股票價格的預測基礎15
• 2.3 神經網絡15-21
• 2.3.1 BP神經網絡17-18
• 2.3.2 BP算法的學習過程18-20
• 2.3.3 改進的BP算法20-21
• 2.4 本章小結21-22
• 第3章 基于BP神經網絡的單變量預測模型22-34
• 3.1 改進的激勵函數22-23
• 3.2 基于BP神經網絡的單變量預測23-26
• 3.2.1 基于BP神經網絡的單變量預測原理23-24
• 3.2.2 結合周末效應的單變量預測模型的建立24-25
• 3.2.3 模型仿真與結果分析25-26
• 3.3 單變量滾動預測26-29
• 3.3.1 模型仿真與結果分析27
• 3.3.2 樣本容量和輸入層神經元數量對預測誤差的影響27-28
• 3.3.3 連續(xù)預測與結果分析28-29
• 3.4 單變量時間序列預測29-30
• 3.4.1 單變量時間序列預測原理30
• 3.4.2 模型仿真與結果分析30
• 3.5 單變量動態(tài)預測投資模型30-32
• 3.5.1 動態(tài)預測的原理30-31
• 3.5.2 投資策略與評價指標31-32
• 3.5.3 模型仿真與結果分析32
• 3.6 本章小結32-34
• 第4章 基于BP神經網絡的多變量預測模型34-40
• 4.1 單輸出預測模型34-35
• 4.1.1 單輸出預測的原理34
• 4.1.2 模型仿真與結果分析34-35
• 4.2 單輸出動態(tài)預測投資模型35-36
• 4.2.1 模型仿真與結果分析35-36
• 4.3 多輸出預測模型36-37
• 4.3.1 多輸出預測的原理36
• 4.3.2 模型仿真與結果分析36-37
• 4.4 多輸出動態(tài)預測投資模型37-39
• 4.4.1 投資策略37-38
• 4.4.2 模型仿真與結果分析38-39
• 4.5 本章小結39-40
• 結論與展望40-41
• 參考文獻41-44
• 致謝44-45
• 攻讀學位期間發(fā)表論文情況45

【參考文獻】

中國期刊全文數據庫 前1條

1 吳微,陳維強,劉波;用BP神經網絡預測股票市場漲跌[J];大連理工大學學報;2001年01期

中國碩士學位論文全文數據庫 前1條

1 李墨;我國股票價格與會計信息的相關性研究[D];財政部財政科學研究所;2013年

  本文關鍵詞：基于BP神經網絡的股價預測研究，由筆耕文化傳播整理發(fā)布。

本文編號：290267