隨著金融市場的發(fā)展,股票市場逐步成為人們經(jīng)濟生活的重要組成部分。股票投資因為其高風險,高收益的特性而廣受關注,因此股票市場的分析和預測具有極其重要的理論意義和應用價值。股票市場具有高度非線性的特點,傳統(tǒng)的預測工具已經(jīng)不能滿足股票預測的要求。本文在深入分析股票預測方法的基礎上,提出了利用BP神經(jīng)網(wǎng)絡進行建模的方法。由于基本BP算法在權值調整過程中存在收斂速度慢,易陷入局部極小值的缺點,本文采用遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡,在數(shù)據(jù)挖掘理論的指導下,實現(xiàn)對股票的預測和數(shù)據(jù)挖掘。論文利用GABP模型對上證指數(shù)和個股進行預測,實證結果表明,BP神經(jīng)網(wǎng)絡用于股票預測是可行的,而GA-BP算法更提高了預測精度。 

【文章來源】：華北電力大學(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
英文摘要
第一章 前言
    1.1 選題背景與意義
    1.2 國內外研究現(xiàn)狀
    1.3 論文研究內容和框架
第二章 BP神經(jīng)網(wǎng)絡理論及應用
    2.1 BP神經(jīng)網(wǎng)絡
    2.2 BP神經(jīng)網(wǎng)絡的優(yōu)缺點
        2.2.1 BP神經(jīng)網(wǎng)絡的優(yōu)點
        2.2.2 BP神經(jīng)網(wǎng)絡的缺點
    2.3 BP神經(jīng)網(wǎng)絡在股票預測方面的應用與局限
第三章 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡（GA-BP神經(jīng)網(wǎng)絡）
    3.1 遺傳算法
        3.1.1 遺傳算法基本要素
        3.1.2 遺傳算法運算流程
        3.1.3 遺傳算法的特點
    3.2 GA-BP神經(jīng)網(wǎng)絡
        3.2.1 GA-BP神經(jīng)網(wǎng)絡定義
        3.2.2 GA-BP神經(jīng)網(wǎng)絡模型構建
第四章 基于數(shù)據(jù)挖掘的GA-BP神經(jīng)網(wǎng)絡
    4.1 數(shù)據(jù)挖掘
        4.1.1 數(shù)據(jù)挖掘的產生和定義
        4.1.2 數(shù)據(jù)挖掘的過程
        4.1.3 數(shù)據(jù)挖掘的分類、方法和功能
        4.1.4 數(shù)據(jù)挖掘的發(fā)展趨勢
    4.2 數(shù)據(jù)挖掘在股票預測方面的應用
        4.2.1 數(shù)據(jù)挖掘在股票預測方面的必要性
        4.2.2 數(shù)據(jù)挖掘在股票預測方面的應用
        4.2.3 基于數(shù)據(jù)挖掘的GA-BP神經(jīng)網(wǎng)絡在股票方面預測的應用
第五章 實證研究
    5.1 技術指標選取
    5.2 GA-BP神經(jīng)網(wǎng)絡實現(xiàn)和參數(shù)選擇
        5.2.1 GA-BP神經(jīng)網(wǎng)絡的Matlab實現(xiàn)
        5.2.2 GA-BP神經(jīng)網(wǎng)絡參數(shù)選擇
    5.3 實證結果分析
        5.3.1 上證指數(shù)收盤價實證結果分析
        5.3.2 個股實證結果分析
第六章 結論與展望
    6.1 結論
    6.2 展望
參考文獻
附錄
致謝
在學期間發(fā)表的學術論文


【參考文獻】：
期刊論文
[1]一種并行BP交通流預測方法[J]. 楊際祥,王凡,譚國真,王榮生.  小型微型計算機系統(tǒng). 2009(12)
[2]基于MATLAB的BP網(wǎng)絡在金融危機下的股市預測中的應用[J]. 譚秀輝,白艷萍.  經(jīng)濟師. 2009(12)
[3]電力市場短期電價預測方法綜述[J]. 劉振宗,吳穎超.  中國電力教育. 2009(20)
[4]基于相似度與神經(jīng)網(wǎng)絡的協(xié)同短期負荷預測模型[J]. 王建軍,牛東曉,李莉.  華東電力. 2009(01)
[5]基于改進BP神經(jīng)網(wǎng)絡模型的地面沉降預測及分析[J]. 李紅霞,趙新華,遲海燕,張建軍.  天津大學學報. 2009(01)
[6]BP神經(jīng)網(wǎng)絡在平曲線路段交通事故預測中的運用[J]. 胡愛平,周艷平,楊瑞華.  中國高新技術企業(yè). 2009(02)
[7]數(shù)據(jù)挖掘技術標準綜述[J]. 劉明亮,李雄飛,孫濤,許曉晴.  計算機科學. 2008(06)
[8]基于神經(jīng)網(wǎng)絡進行數(shù)據(jù)挖掘的一種算法[J]. 羅劍芬,鐘寶榮,秦曉霞.  科技資訊. 2008(07)
[9]基于數(shù)據(jù)挖掘技術的股票收益預測研究[J]. 蔣艷霞,柯大鋼,解青芳.  經(jīng)濟與管理研究. 2007(06)
[10]神經(jīng)網(wǎng)絡算法在股指預測中的應用[J]. 王光強,周佩玲.  計算機工程. 2006(01)

碩士論文
[1]基于人工神經(jīng)網(wǎng)絡的中國股票市場收益率預測研究[D]. 趙大偉.燕山大學 2009
[2]基于神經(jīng)網(wǎng)絡的數(shù)據(jù)挖掘方法研究[D]. 郭翠翠.武漢理工大學 2007
[3]基于神經(jīng)網(wǎng)絡的數(shù)據(jù)挖掘技術的研究[D]. 李雙晶.吉林大學 2006
[4]數(shù)據(jù)挖掘技術在股票預測中的應用[D]. 張晨希.安徽大學 2006
[5]基于BP神經(jīng)網(wǎng)絡方法的上市公司財務預警研究[D]. 劉開華.重慶大學 2006
[6]數(shù)據(jù)挖掘中分類算法的研究[D]. 彭程.長沙理工大學 2006
[7]基于遺傳BP神經(jīng)網(wǎng)絡的數(shù)據(jù)挖掘系統(tǒng)及其應用[D]. 張波.哈爾濱理工大學 2005



本文編號：2924187