股市投資活動(dòng)需要一種有效的股市預(yù)測(cè)分析方法,以增加收益,降低風(fēng)險(xiǎn)。股票市場(chǎng)是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng),其變化規(guī)律既有一定自身的趨勢(shì)性,又受政治、經(jīng)濟(jì)、心理等諸多因素的影響。建立在數(shù)理統(tǒng)計(jì)基礎(chǔ)上的傳統(tǒng)定量預(yù)測(cè)方法在對(duì)股市的研究中面臨著諸多困難,而神經(jīng)網(wǎng)絡(luò)具有自組織、自適應(yīng)等特點(diǎn),能自動(dòng)從歷史數(shù)據(jù)中提取有關(guān)經(jīng)濟(jì)活動(dòng)中的知識(shí),適用于解決傳統(tǒng)股市預(yù)測(cè)中的問題,因而研究神經(jīng)網(wǎng)絡(luò)在股市預(yù)測(cè)中的應(yīng)用問題具有一定的理論意義與實(shí)用價(jià)值。由于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法的局限性,使得其在股市預(yù)測(cè)中的精度很難提高。為了提高股市預(yù)測(cè)的高效性和準(zhǔn)確性,在系統(tǒng)分析了當(dāng)前神經(jīng)網(wǎng)絡(luò)研究以及股市預(yù)測(cè)所面臨的困難后,將粒子群優(yōu)化算法（PSO）與BP算法相結(jié)合的PSO-BP混合算法用于股市預(yù)測(cè)。粒子群優(yōu)化算法是一種基于群體智能理論的優(yōu)化算法,該算法利用生物群體內(nèi)個(gè)體的合作與競爭等復(fù)雜行為產(chǎn)生群體智能,為復(fù)雜優(yōu)化問題的求解提供了高效的解決方法。在理論分析的基礎(chǔ)上,給出了BP神經(jīng)網(wǎng)絡(luò)用于股市預(yù)測(cè)的一般步驟,建立了基于PSO-BP神經(jīng)網(wǎng)絡(luò)的股市預(yù)測(cè)模型。針對(duì)我國股市受宏觀政策等因素影響較大的問題,在模型輸入變量中引入了能夠體現(xiàn)環(huán)境... 

【文章來源】：合肥工業(yè)大學(xué)安徽省 211工程院校 教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
致謝
第一章 緒論
    1.1 選題背景及研究意義
    1.2 國內(nèi)外研究概況
        1.2.1 人工神經(jīng)網(wǎng)絡(luò)的國內(nèi)外研究概況
        1.2.2 股市預(yù)測(cè)的國內(nèi)外研究概況
    1.3 研究目的、思路及結(jié)構(gòu)安排
        1.3.1 研究目的和思路
        1.3.2 結(jié)構(gòu)安排
第二章 股市預(yù)測(cè)理論及方法
    2.1 股市可預(yù)測(cè)性分析
    2.2 股市影響因素分析
    2.3 股市預(yù)測(cè)主要方法
        2.3.1 證券投資分析法
        2.3.2 時(shí)間序列分析法
        2.3.3 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法
    2.4 BP 神經(jīng)網(wǎng)絡(luò)及其在股市預(yù)測(cè)中的應(yīng)用
        2.4.1 BP 網(wǎng)絡(luò)模型
        2.4.2 BP 學(xué)習(xí)算法
        2.4.3 BP 網(wǎng)絡(luò)的主要能力和局限性
        2.4.4 BP 神經(jīng)網(wǎng)絡(luò)在股市預(yù)測(cè)中的應(yīng)用
第三章 粒子群優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)及其在股市預(yù)測(cè)中的建模
    3.1 粒子群優(yōu)化BP 神經(jīng)網(wǎng)絡(luò)
        3.1.1 粒子群優(yōu)化算法
        3.1.2 基于粒子群優(yōu)化的BP 學(xué)習(xí)算法
    3.2 PSO-BP 神經(jīng)網(wǎng)絡(luò)在股市預(yù)測(cè)中的建模
        3.2.1 BP 網(wǎng)絡(luò)用于股市預(yù)測(cè)的一般步驟
        3.2.2 網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)設(shè)計(jì)
        3.2.3 輸入/輸出變量選取
        3.2.4 樣本數(shù)據(jù)選取及預(yù)處理
        3.2.5 網(wǎng)絡(luò)初始參數(shù)設(shè)置
        3.2.6 性能評(píng)價(jià)標(biāo)準(zhǔn)
第四章 PSO-BP 神經(jīng)網(wǎng)絡(luò)在上證指數(shù)預(yù)測(cè)中的應(yīng)用
    4.1 基于 PSO-BP 神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)
        4.1.1 BP 網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)
        4.1.2 PSO-BP 網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)
        4.1.3 BP 網(wǎng)絡(luò)與 PSO-BP 網(wǎng)絡(luò)性能比較
    4.2 含定性指標(biāo)的 PSO-BP 神經(jīng)網(wǎng)絡(luò)上證指數(shù)預(yù)測(cè)
        4.2.1 PSO-BP 網(wǎng)絡(luò)引入定性指標(biāo)的上證指數(shù)預(yù)測(cè)
        4.2.2 PSO-BP 網(wǎng)絡(luò)引入定性指標(biāo)前后的性能比較
第五章 結(jié)論及展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文


【參考文獻(xiàn)】：
期刊論文
[1]中國股票市場(chǎng)弱勢(shì)有效性分析——鞅方法[J]. 劉堰.  河北理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2007(S1)
[2]GA神經(jīng)網(wǎng)絡(luò)在證券市場(chǎng)預(yù)測(cè)中的應(yīng)用研究[J]. 歐陽林群.  武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版). 2006(11)
[3]粒子群優(yōu)化算法的發(fā)展與展望[J]. 李寧,付國江,庫少平,陳明俊.  武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版). 2005(02)
[4]利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)上證指數(shù)[J]. 劉永福,李建功.  市場(chǎng)周刊(商務(wù)營銷). 2003(10)
[5]預(yù)測(cè)股市分析股價(jià)的隨機(jī)過程模型的建構(gòu)[J]. 梁元星.  廣西民族學(xué)院學(xué)報(bào)(自然科學(xué)版). 2003(03)
[6]深圳股市有效性與可預(yù)測(cè)性并存的實(shí)證研究[J]. 許滌龍.  經(jīng)濟(jì)問題. 2003(07)
[7]神經(jīng)網(wǎng)絡(luò)方法在股市預(yù)測(cè)中的應(yīng)用[J]. 鄒小芃,孫大利,張秀芳.  企業(yè)經(jīng)濟(jì). 2003(01)
[8]基于人工神經(jīng)網(wǎng)絡(luò)的股市預(yù)測(cè)模型[J]. 孫丹,張秀艷.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2002(04)
[9]股市預(yù)測(cè)中的小波神經(jīng)網(wǎng)絡(luò)方法[J]. 姚洪興,盛昭瀚,陳洪香.  系統(tǒng)工程理論與實(shí)踐. 2002(06)
[10]股市政策與股市波動(dòng)[J]. 彭文平,肖繼輝.  上海經(jīng)濟(jì)研究. 2002(03)



本文編號(hào)：3447596