本文關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)方法在股市預(yù)測中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著經(jīng)濟(jì)的發(fā)展和人們投資意識的轉(zhuǎn)變,股票已成為現(xiàn)代人生活中的一個重要組成部分,股票投資已成為社會公眾談?wù)摰闹行闹�。股票投資的收益與風(fēng)險往往是成正比的,即投資收益越高,可能冒得風(fēng)險越大。為了趨利避害,投資者們一直孜孜以求探索其內(nèi)在規(guī)律,尋找有效的分析方法和工具。因此,股市內(nèi)在規(guī)律的研究和預(yù)測具有極其重要的理論意義和應(yīng)用價值。 但是股價系統(tǒng)內(nèi)部結(jié)構(gòu)的復(fù)雜性、外部因素的多變性決定了股市預(yù)測這項任務(wù)的艱巨性,而傳統(tǒng)的預(yù)測工具已不能滿足這種需要。 本文在深入分析股票市場預(yù)測面臨的難題和比較各種股價預(yù)測方法的基礎(chǔ)上,提出了利用BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行股市分析和預(yù)測建模的方法。股票市場是一個極其復(fù)雜的非線性動力學(xué)系統(tǒng),而神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力和自學(xué)習(xí)、自適應(yīng)等特性,實驗證明,利用神經(jīng)網(wǎng)絡(luò)對股市建�？梢匀〉幂^好的預(yù)測效果。股票市場的走勢看起來雜亂無章,但實際上有其內(nèi)在的變化規(guī)律,而這正是神經(jīng)網(wǎng)絡(luò)預(yù)測股市的基礎(chǔ)。BP 網(wǎng)絡(luò)通過對以往歷史數(shù)據(jù)的學(xué)習(xí),找出股市發(fā)展的內(nèi)在規(guī)律,并將其存儲在網(wǎng)絡(luò)具體的權(quán)值、閥值中,用以預(yù)測未來的走勢。 本文分析了基于BP 網(wǎng)絡(luò)進(jìn)行股市預(yù)測的原理,利用三層前饋神經(jīng)網(wǎng)絡(luò)對股市建立預(yù)測模型,詳細(xì)探討了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、隱節(jié)點個數(shù)確定的原則、樣本數(shù)據(jù)的選取和預(yù)處理、初始參數(shù)的確定等問題。為了避免網(wǎng)絡(luò)陷入局部最小點和提高網(wǎng)絡(luò)的收斂速度,算法采用改進(jìn)后的Levenberg-Marquardt 法BP 算法。在實驗中對標(biāo)準(zhǔn)BP 算法和幾種改進(jìn)后的BP 算法的性能做了比較。最后以最具代表性的上證指數(shù)為例對所建的預(yù)測模型進(jìn)行訓(xùn)練,并用訓(xùn)練好的網(wǎng)絡(luò)預(yù)測股票數(shù)據(jù),取得了較好的效果。 理論分析和實驗結(jié)果表明,BP 神經(jīng)網(wǎng)絡(luò)用于股票市場的預(yù)測是可行的和有效的,并有著良好的應(yīng)用前景。
【關(guān)鍵詞】：神經(jīng)網(wǎng)絡(luò) BP 算法 股價預(yù)測
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2005
【分類號】：TP183;F830.91
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-17
• 1.1 研究背景9
• 1.2 神經(jīng)網(wǎng)絡(luò)的發(fā)展和研究現(xiàn)狀9-13
• 1.2.1 神經(jīng)網(wǎng)絡(luò)的起源和發(fā)展10-11
• 1.2.2 神經(jīng)網(wǎng)絡(luò)的研究內(nèi)容11-12
• 1.2.3 研究神經(jīng)網(wǎng)絡(luò)的意義12-13
• 1.3 股市預(yù)測的發(fā)展概況13-15
• 1.4 本文的主要內(nèi)容及結(jié)構(gòu)15-17
• 第二章 股市預(yù)測的背景知識17-25
• 2.1 股票的概念和特征17
• 2.2 常用的股票術(shù)語17-18
• 2.3 股市預(yù)測面臨的主要難題18-19
• 2.4 股市預(yù)測的常用方法及其比較19-24
• 2.4.1 證券投資分析方法19-20
• 2.4.2 模型預(yù)測法20-21
• 2.4.3 神經(jīng)網(wǎng)絡(luò)預(yù)測方法21-22
• 2.4.4 神經(jīng)網(wǎng)絡(luò)預(yù)測方法與傳統(tǒng)預(yù)測方法的比較22-24
• 2.5 本章小結(jié)24-25
• 第三章 神經(jīng)網(wǎng)絡(luò)及 BP 算法25-44
• 3.1 神經(jīng)網(wǎng)絡(luò)概述25-29
• 3.1.1 人工神經(jīng)元25-26
• 3.1.2 神經(jīng)元激活函數(shù)26-28
• 3.1.3 神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)28
• 3.1.4 學(xué)習(xí)規(guī)則28-29
• 3.2 神經(jīng)網(wǎng)絡(luò)的特性29
• 3.3 多層前饋神經(jīng)網(wǎng)絡(luò)(BP 網(wǎng)絡(luò))的結(jié)構(gòu)29-30
• 3.4 BP 網(wǎng)絡(luò)的激活函數(shù)30-31
• 3.5 BP 網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則31-42
• 3.5.1 標(biāo)準(zhǔn)BP 算法31-35
• 3.5.2 BP 網(wǎng)絡(luò)學(xué)習(xí)的傳播公式35-37
• 3.5.3 BP 網(wǎng)絡(luò)的主要特點37-38
• 3.5.4 BP 算法的改進(jìn)38-42
• 3.6 BP 網(wǎng)絡(luò)初值選取原則及隱層節(jié)點個數(shù)的確定42-43
• 3.6.1 初值選取原則42
• 3.6.2 BP 網(wǎng)絡(luò)隱層節(jié)點個數(shù)的確定方法42-43
• 3.7 本章小結(jié)43-44
• 第四章 基于 BP 網(wǎng)絡(luò)的股市預(yù)測44-70
• 4.1 用 BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行股市預(yù)測的原理44
• 4.2 神經(jīng)網(wǎng)絡(luò)用于股市預(yù)測的一般步驟和網(wǎng)絡(luò)結(jié)構(gòu)44-46
• 4.3 股市神經(jīng)網(wǎng)絡(luò)預(yù)測所遇到的問題46-47
• 4.3.1 輸入量的確定問題46-47
• 4.3.2 神經(jīng)網(wǎng)絡(luò)的算法及其參數(shù)的確定問題47
• 4.4 神經(jīng)網(wǎng)絡(luò)預(yù)測方法設(shè)計47-49
• 4.5 基于 BP 網(wǎng)絡(luò)的股市預(yù)測模型的建立49-53
• 4.5.1 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的設(shè)計49-50
• 4.5.2 激活函數(shù)的選取50
• 4.5.3 樣本數(shù)據(jù)的選取50-51
• 4.5.4 輸入輸出數(shù)據(jù)的預(yù)處理51-52
• 4.5.5 初始參數(shù)的選擇52-53
• 4.5.6 網(wǎng)絡(luò)訓(xùn)練的目標(biāo)函數(shù)53
• 4.6 BP 網(wǎng)絡(luò)的 MATLAB 實現(xiàn)53-54
• 4.7 基于 BP 網(wǎng)絡(luò)的股市預(yù)測模型的仿真與預(yù)測54-68
• 4.7.1 選取原始數(shù)據(jù)54-57
• 4.7.2 建立預(yù)測模型57-59
• 4.7.3 仿真實驗及結(jié)果分析59-62
• 4.7.4 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的建模心得和實驗結(jié)論62-68
• 4.8 對BP 網(wǎng)絡(luò)泛化能力的討論68-69
• 4.9 本章小結(jié)69-70
• 第五章 結(jié)束語70-72
• 參考文獻(xiàn)72-74
• 致謝74

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 李靜;林祥金;;水中懸浮隧道施工風(fēng)險分析的BP神經(jīng)網(wǎng)絡(luò)模型[J];建筑管理現(xiàn)代化;2007年01期

  本文關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)方法在股市預(yù)測中的應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：318322