近年來,人工神經(jīng)網(wǎng)絡(luò)(ANN)的快速發(fā)展,為股票市場(chǎng)的建模與預(yù)測(cè)提供了許多新技術(shù)和新方法。目前,國(guó)內(nèi)外很多學(xué)者建立了基于人工神經(jīng)網(wǎng)絡(luò)的股票價(jià)格指數(shù)預(yù)測(cè)模型。還有一些學(xué)者,嘗試將多種模型和人工神經(jīng)網(wǎng)絡(luò)模型混合應(yīng)用,但是這些模型都存在一定問題,其預(yù)測(cè)性能不盡人意。本文針對(duì)現(xiàn)行的股價(jià)指數(shù)預(yù)測(cè)方法的不足,根據(jù)股票價(jià)格指數(shù)的非線性變動(dòng)特點(diǎn),探討基于遺傳算法_GA的人工神經(jīng)網(wǎng)絡(luò)股價(jià)指數(shù)預(yù)測(cè)模型的建立與應(yīng)用。 具體來講,全文共分為七章。 第一章是導(dǎo)論,闡述本文的選題目的和意義,綜述國(guó)內(nèi)外利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行股價(jià)指數(shù)預(yù)測(cè)的研究,并概述本文的研究?jī)?nèi)容、研究方法和技術(shù)路線。 第二章,論述股價(jià)指數(shù)預(yù)測(cè)的現(xiàn)狀和存在的問題。目前國(guó)內(nèi)外學(xué)者利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行股價(jià)預(yù)測(cè),主要是基于兩類方法,一類是利用單一的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行建模預(yù)測(cè),但是由于單一神經(jīng)網(wǎng)絡(luò)存在的“過擬合”問題,其預(yù)測(cè)性能并不理想;另一類是混合多種人工智能技術(shù)進(jìn)行建模并預(yù)測(cè),但依然存在變量選擇、算法選取和樣本設(shè)計(jì)不合理等問題,同時(shí),混合多種智能技術(shù)的模型應(yīng)用往往十分復(fù)雜,限制了其實(shí)際應(yīng)用。 第三章,闡述人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的基本理論...

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

圖5一1BP網(wǎng)絡(luò)初次訓(xùn)練圖

圖5一2初次測(cè)試目標(biāo)值和預(yù)測(cè)值曲線

圖5一4遺傳算法適應(yīng)度曲線

圖5一優(yōu)化后的BP網(wǎng)絡(luò)訓(xùn)練圖

本文編號(hào)：3885450