證券市場(chǎng)作為現(xiàn)代經(jīng)濟(jì)重要的組成部分,如何能夠準(zhǔn)確地分析和預(yù)測(cè)市場(chǎng)走勢(shì)一直受到人們的關(guān)注。建立一個(gè)準(zhǔn)確度比較高的股市預(yù)測(cè)模型對(duì)于金融投資及宏觀經(jīng)濟(jì)調(diào)控等都具有重大的實(shí)用價(jià)值。隨著證券市場(chǎng)混沌和分形理論的逐步確立,人們開(kāi)始利用神經(jīng)網(wǎng)絡(luò)對(duì)證券市場(chǎng)的變動(dòng)加以預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)是一種重要的人工智能技術(shù),在應(yīng)用上已經(jīng)迅速擴(kuò)展到包括金融時(shí)序分析在內(nèi)的許多重要領(lǐng)域中。本文證明了我國(guó)上證指數(shù)長(zhǎng)期以來(lái)存在的分形特征,指出了使用神經(jīng)網(wǎng)絡(luò)對(duì)其走勢(shì)進(jìn)行預(yù)測(cè)的可行性。同時(shí),試圖使用基于BP（Back Propagation）算法的神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。BP神經(jīng)網(wǎng)絡(luò)是一種被廣泛運(yùn)用的神經(jīng)網(wǎng)絡(luò)。它的核心是BP算法,一種對(duì)于多個(gè)基本子系統(tǒng)構(gòu)成的大系統(tǒng)進(jìn)行微商計(jì)算的嚴(yán)格而有效的方法;結(jié)構(gòu)簡(jiǎn)單,算法成熟。但是BP算法本身也存在學(xué)習(xí)速度慢,容易陷入局部極小值等的缺陷。在近年來(lái)我國(guó)一些使用BP算法以及其他類(lèi)型算法的神經(jīng)網(wǎng)絡(luò)進(jìn)行證券走勢(shì)預(yù)測(cè)的研究中,都存在著預(yù)測(cè)結(jié)果精度不高,預(yù)測(cè)的時(shí)間跨度短等眾多不足。本文的作者在基于傳統(tǒng)的BP算法的三層向前神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,對(duì)原有的預(yù)測(cè)方法做出了一些改進(jìn),引入了遺傳算法,訓(xùn)練噪聲等;使用了多個(gè)神經(jīng)網(wǎng)絡(luò)... 

【文章來(lái)源】：廈門(mén)大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
內(nèi)容摘要
ABSTRACT
前言
第一章 股票市場(chǎng)的分形特征及其指數(shù)的預(yù)測(cè)方法
    第一節(jié) 股票市場(chǎng)的分形特征
        一 傳統(tǒng)的有效市場(chǎng)假說(shuō)
        二 分形市場(chǎng)的假說(shuō)（FMH）
    第二節(jié) 分形市場(chǎng)的判斷
        一 分形市場(chǎng)的常用判斷方法
        二 使用R/S 法計(jì)算Hurst 指數(shù)
        三 上證指數(shù)序列的Hurst 值的計(jì)算
        四 R/S 計(jì)算的結(jié)果分析
    第三節(jié) 常用的混沌時(shí)間序列分析預(yù)測(cè)方法
        一 傳統(tǒng)的時(shí)序預(yù)測(cè)法
        二 使用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)序
    第四節(jié) 基于神經(jīng)網(wǎng)絡(luò)的證券指數(shù)預(yù)測(cè)研究的簡(jiǎn)述
        一 目前部分模型對(duì)上證指數(shù)預(yù)測(cè)的結(jié)果
        二 現(xiàn)有預(yù)測(cè)模型存在的不足
第二章 具有分形特征的時(shí)間數(shù)列的神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)測(cè)
    第一節(jié) 神經(jīng)網(wǎng)絡(luò)的基本原理
        一 人工神經(jīng)網(wǎng)絡(luò)的歷史
        二 神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
        三 神經(jīng)網(wǎng)絡(luò)的基本原理
    第二節(jié) 基于BP算法的三層向前的神經(jīng)網(wǎng)絡(luò)
        一 多層次的神經(jīng)網(wǎng)絡(luò)
        二 BP網(wǎng)絡(luò)的基本原理
第三章 對(duì)BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)
    第一節(jié) BP網(wǎng)絡(luò)的缺陷
    第二節(jié) 與BP算法相結(jié)合的遺傳算法
        一 遺傳算法簡(jiǎn)介
        二 遺傳算法的基本原理
        三 遺傳算法與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)的結(jié)合
    第三節(jié) 在樣本輸入中添加隨機(jī)噪聲
        一 添加隨機(jī)噪聲的目的
        二 對(duì)訓(xùn)練樣本添加噪聲的一個(gè)示例
    第四節(jié) 多個(gè)神經(jīng)網(wǎng)絡(luò)集成預(yù)測(cè)
        一 單個(gè)神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)的缺陷
        二 集成神經(jīng)網(wǎng)絡(luò)的誤差分析
第四章 實(shí)證結(jié)果及其分析
    第一節(jié) 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
    第二節(jié) 利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)上證指數(shù)的流程
        一 數(shù)據(jù)的預(yù)訓(xùn)練和測(cè)試
        二 訓(xùn)練過(guò)程
        三 預(yù)測(cè)過(guò)程
    第三節(jié) 實(shí)際預(yù)測(cè)結(jié)果
        一 按時(shí)間劃分序列的模擬預(yù)測(cè)
        二 按價(jià)格變化幅度劃分序列的模擬預(yù)測(cè)
    第四節(jié) 對(duì)預(yù)測(cè)結(jié)果的分析和思考
        一 預(yù)測(cè)模型的缺陷
        二 對(duì)現(xiàn)有預(yù)測(cè)模型改進(jìn)的設(shè)想
    第五節(jié) 總結(jié)
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]分形市場(chǎng)假說(shuō)下的風(fēng)險(xiǎn)度量[J]. 陳永忠.  經(jīng)濟(jì)師. 2004(08)
[2]混沌時(shí)序重構(gòu)及上海股票指數(shù)預(yù)測(cè)的應(yīng)用研究[J]. 馬軍海,齊二石,莫馨.  系統(tǒng)工程理論與實(shí)踐. 2003(12)
[3]基于混沌時(shí)間序列分析的股票價(jià)格預(yù)測(cè)[J]. 程瑜蓉,郭雙冰.  電子科技大學(xué)學(xué)報(bào). 2003(04)
[4]金融市場(chǎng)的非線性:混沌與分形[J]. 吳恒煜,林祥.  商業(yè)研究. 2003(07)
[5]BP人工神經(jīng)網(wǎng)絡(luò):金融風(fēng)險(xiǎn)預(yù)警新視角[J]. 胡燕京,高會(huì)麗,徐建鋒.  重慶工商大學(xué)學(xué)報(bào).西部經(jīng)濟(jì)論壇. 2003(01)
[6]基于遺傳算法的BP網(wǎng)絡(luò)全局收斂的混合智能學(xué)習(xí)算法[J]. 熊凌,趙明旺.  武漢科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2000(02)
[7]依據(jù)混沌理論進(jìn)行非線性系統(tǒng)建模變量個(gè)數(shù)的最優(yōu)選取[J]. 郭剛,史忠科,戴冠中.  控制與決策. 2000(02)
[8]上證指數(shù)的混沌特性分析[J]. 葉中行,楊利平.  上海交通大學(xué)學(xué)報(bào). 1998(03)



本文編號(hào)：3106232