如何對股指進(jìn)行預(yù)測,以及怎樣才能使預(yù)測更為準(zhǔn)確,已成為金融領(lǐng)域理論界長期以來的研究焦點。但是,由于股指的波動受到諸多因素的影響,尤其是受到一些不可量化的因素影響,因此,對股指的預(yù)測存在較大的難度。本文針對這個問題,主要做了如下的工作：首先,采用神經(jīng)網(wǎng)絡(luò)方法,將收盤指數(shù)這個單一指標(biāo)分別代入BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò),通過對比兩者的預(yù)測精度,發(fā)現(xiàn)RBF神經(jīng)網(wǎng)絡(luò)的優(yōu)化效果要略好于BP神經(jīng)網(wǎng)絡(luò),但是兩者的預(yù)測精度都不高,并發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)具有計算速度慢、局部最優(yōu)等缺陷,需要對其進(jìn)行優(yōu)化；其次,運用GA, PSO, AFSA三種智能算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,然后用優(yōu)化后的神經(jīng)網(wǎng)絡(luò)對上證綜指進(jìn)行預(yù)測,發(fā)現(xiàn)經(jīng)過AFSA算法優(yōu)化后的預(yù)測精度最高；第三,除了收盤指數(shù),還有其他很多影響股指的因素,這些因素有可以量化的數(shù)量因素和不可量化的文本因素。運用數(shù)據(jù)挖掘技術(shù),將影響股指波動的9大數(shù)量性技術(shù)指標(biāo)一一帶入預(yù)測模型,將表現(xiàn)不好的淘汰,表現(xiàn)較好的再進(jìn)一步進(jìn)行優(yōu)化組合,直到尋找到一個預(yù)測精度最好的最優(yōu)組合為止；最后,運用知識挖掘技術(shù),將影響股指的非量化文本因素,包括政策性因素和心理因素,進(jìn)行分級、歸類處理,然后代入... 

【文章來源】：華北電力大學(xué)(北京)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：50 頁

【學(xué)位級別】：碩士

【圖文】：

一l帶有一個隱層的BP網(wǎng)絡(luò)

基本組成部分是徑向基函數(shù)神經(jīng)元模型，通過系統(tǒng)輸入與輸出所組成的資料來建立分析模型，并借由收斂法則來完成學(xué)習(xí)的目的。同時RBF網(wǎng)絡(luò)又是一種局部逼近網(wǎng)絡(luò)，包括輸入層、隱含層和輸出層三部分，其結(jié)構(gòu)如圖2一2。輸入層由信號源節(jié)點構(gòu)成;第二層為隱含層，節(jié)點數(shù)根據(jù)需要而定;第三層為輸出層，它對輸入模式做出響應(yīng)，RBF神經(jīng)網(wǎng)絡(luò)與BP網(wǎng)絡(luò)在結(jié)構(gòu)上基本相同，區(qū)別在于RBF網(wǎng)絡(luò)隱節(jié)點的激活函數(shù)是一種局部關(guān)于中心點對稱的非線性函數(shù)。一~~命峭知飛_丫一呷一一~一翻匆勢愧如-一一一一‘~一洲~劃書卜省—一一~一誰卜廠圖2一 2RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖RBF學(xué)習(xí)算法的具體步驟如下:(l)從輸入向量中選一組初試中心值q;(2)計算方差值一蘭竺K式中，dm�！畲蟮木嚯x，K—C:的數(shù)量;(3)由輸入‘(n)計算輸出的學(xué)習(xí)值夕，(n):;

八曰n﹄日八曰n曰日八曰n曰01]︸日口al自︺l口曰六-勺O-刁O11門曰自U目QJ冰﹃i﹃了八Jd力乙八八八自今自乙9︼9二9]9︼獷、獷.獷了獷.獷了了了了獷獷圖2一 3BP與RBF預(yù)測結(jié)果比較圖表2一 1BP與RBF預(yù)測結(jié)果比較表 BPRBF時間真實值預(yù)測值相對誤差%預(yù)測值相對誤差%2009一8一 172870.633048.76.203049.96.242009一8一 182910.882873.31.292875.61.212009一8一 192785、 582913.34.592915.44.662009一8一 202911.582788.74.222791.34.132009一8一 12960.7729141， 582916.11.512009一8一 42993.432952.91.352964.80.962009一8一 252915.82995.42.7329972.782009一8一 262967.62918.21.662920.31.592009一8一 72946， 42979.71.132971.50.852009一8一 82860.692948.73.082950.63.14平均相對誤差 %:2.782.71從圖2一3可以看出，BP神經(jīng)網(wǎng)絡(luò)與RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果比較接近，而從表2一1的誤差結(jié)果來看，RBF網(wǎng)絡(luò)的預(yù)測誤差要小于BP網(wǎng)絡(luò)的誤差，因此可以得到結(jié)論，RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果要優(yōu)于BP神經(jīng)網(wǎng)絡(luò)


本文編號：3513171