隨著社會經(jīng)濟的發(fā)展，股票已經(jīng)成為人們投資理財?shù)囊环N重要工具。作為一種高風險和高收益并存的投資工具，股票的高風險性主要表現(xiàn)為股票價格的高波動性。股價指數(shù)反映了股票市場上股票價格的總體波動狀況，比較準確的預測股價指數(shù)對于投資決策具有重要的指導意義。論文運用灰色預測模型與人工神經(jīng)網(wǎng)絡模型對上證綜指與深證綜指的預測進行了研究。分別建立了兩種股價指數(shù)的日收盤指數(shù)、周收盤指數(shù)和月收盤指數(shù)的T+1、T+3和T+5預測模型。在建模的過程中改變輸入數(shù)據(jù)的數(shù)量進行試驗，以研究輸入數(shù)據(jù)數(shù)量的多寡對模型的預測精確度與預測方向準確性有何影響。研究發(fā)現(xiàn)，灰色預測模型和人工神經(jīng)網(wǎng)絡模型的預測精確度水平一般都比較高，絕大部分的誤差在10％以下，而預測的方向準確性大多較低，大多數(shù)在50％左右。為了找出影響模型預測精確度的因素，將各樣本點的預測精確度指標按照可能的影響因素分別進行分組，利用非參數(shù)檢驗的方法對各組之間的差異性進行分析，如果組間差異顯著，則表明該因素對模型的預測精確度有顯著的影響。實證研究結果表明指數(shù)名稱、輸入變量數(shù)、預測距離及數(shù)據(jù)周期這四種因素均對預測的精確度構成顯著的影響，模型類型因素對預測的精確度不構成... 

【文章來源】：哈爾濱工程大學黑龍江省211工程院校

【文章頁數(shù)】：89 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 論文的選題背景
    1.2 論文的寫作目的和意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 國外研究現(xiàn)狀
        1.3.2 國內(nèi)研究現(xiàn)狀
    1.4 論文的研究思路
        1.4.1 論文的總體思路
        1.4.2 論文的總體研究框圖
    1.5 論文的研究方法
    1.6 論文的創(chuàng)新之處
第2章 論文相關理論
    2.1 灰色預測理論
        2.1.1 灰色系統(tǒng)理論
        2.1.2 灰色預測模型的建立
        2.1.3 灰色預測的檢驗
    2.2 神經(jīng)網(wǎng)絡相關理論
        2.2.1 生物神經(jīng)元與人工神經(jīng)元
        2.2.2 神經(jīng)網(wǎng)絡的結構
        2.2.3 神經(jīng)網(wǎng)絡的學習方式
        2.2.4 BP網(wǎng)絡與BP算法
    2.3 預測績效的衡量
        2.3.1 精確度的衡量
        2.3.2 方向準確性的衡量
    2.4 本章小結
第3章 基于灰色預測模型的股價指數(shù)預測
    3.1 日數(shù)據(jù)的GM(1，1)模型預測
        3.1.1 樣本數(shù)據(jù)的選取和統(tǒng)計指標的選取
        3.1.2 灰色系統(tǒng)日收盤指數(shù)預測
    3.2 周數(shù)據(jù)的GM(1，1)模型預測
        3.2.1 樣本數(shù)據(jù)的選取與統(tǒng)計指標的選取
        3.2.2 灰色系統(tǒng)周收盤指數(shù)預測
    3.3 月數(shù)據(jù)的GM(1，1)模型預測
        3.3.1 樣本數(shù)據(jù)的選取與統(tǒng)計指標的選取
        3.3.2 灰色系統(tǒng)月收盤指數(shù)預測
    3.4 本章小結
第4章 基于人工神經(jīng)網(wǎng)絡的股價指數(shù)預測
    4.1 數(shù)據(jù)的預處理與還原
    4.2 網(wǎng)絡結構的選擇
        4.2.1 網(wǎng)絡層數(shù)
        4.2.2 各層神經(jīng)元數(shù)數(shù)量
        4.2.3 網(wǎng)絡參數(shù)
    4.3 日數(shù)據(jù)的神經(jīng)網(wǎng)絡模型預測
        4.3.1 樣本數(shù)據(jù)的選取與統(tǒng)計指標的選取
        4.3.2 日收盤指數(shù)神經(jīng)網(wǎng)絡預測
    4.4 周數(shù)據(jù)的神經(jīng)網(wǎng)絡模型預測
        4.4.1 樣本數(shù)據(jù)的選取與統(tǒng)計指標的選取
        4.4.2 周收盤指數(shù)神經(jīng)網(wǎng)絡預測
    4.5 月數(shù)據(jù)的神經(jīng)網(wǎng)絡模型預測
        4.5.1 樣本數(shù)據(jù)的選取與統(tǒng)計指標的選取
        4.5.2 月收盤指數(shù)預測
    4.6 本章小結
第5章 預測精確度影響因素分析
    5.1 預測精確度的統(tǒng)計描述
    5.2 預測精確度的影響因素分析
        5.2.1 正態(tài)性檢驗和方差齊性檢驗
        5.2.2 非參數(shù)檢驗
    5.3 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的論文和取得的科研成果
致謝


【參考文獻】：
期刊論文
[1]高新技術產(chǎn)業(yè)園區(qū)發(fā)展指標的神經(jīng)網(wǎng)絡預測[J]. 邢愛國,孫佰清,潘啟樹.  哈爾濱工業(yè)大學學報. 2006(06)
[2]灰色系統(tǒng)理論在林業(yè)用地預測中的應用[J]. 陳峰,胡振琪,馬彬,李良,張立松.  沈陽農(nóng)業(yè)大學學報. 2006(01)
[3]基于人工神經(jīng)網(wǎng)絡方法的上市公司股價預測[J]. 楊成,程曉玲,殷旅江.  統(tǒng)計與決策. 2005(24)
[4]Levene方差齊性檢驗[J]. 程琮,范華.  中國衛(wèi)生統(tǒng)計. 2005(06)
[5]基于灰色系統(tǒng)理論的電信設備擁有量預測[J]. 朱潤新,楊海成.  西北大學學報(自然科學版). 2005(05)
[6]投資者預期與我國股票市場的發(fā)展[J]. 張少杰,陳峰.  特區(qū)經(jīng)濟. 2005(08)
[7]農(nóng)業(yè)干旱程度概率分布的研究[J]. 邱林,陳曉楠,段春青,黃強.  西北農(nóng)林科技大學學報(自然科學版). 2005(03)
[8]基于K線理論的股票灰色預測方法研究[J]. 李國平,陳森發(fā),李新平.  鄭州航空工業(yè)管理學院學報. 2004(04)
[9]灰色神經(jīng)網(wǎng)絡模型應用于證券短期預測研究[J]. 夏景明,肖冬榮,夏景虹,賈佳.  工業(yè)技術經(jīng)濟. 2004(06)
[10]基于BP神經(jīng)網(wǎng)絡的經(jīng)濟預測方法[J]. 歐邦才.  南京工程學院學報(自然科學版). 2004(02)

碩士論文
[1]神經(jīng)網(wǎng)絡方法在股市預測中的應用研究[D]. 劉莉華.電子科技大學 2005
[2]上證指數(shù)重大波動研究[D]. 劉陽.四川大學 2003



本文編號：3629194