股票市場是與人們的生活、社會(huì)穩(wěn)定和經(jīng)濟(jì)發(fā)展密切相關(guān)的金融市場，如何有效地分析和預(yù)測股市走勢一直是人們關(guān)注研究的問題，現(xiàn)在已經(jīng)提出了很多理論方法和技術(shù)。在這些方法中，人工神經(jīng)網(wǎng)絡(luò)由于其獨(dú)特的結(jié)構(gòu)和處理信息的方法，高度并行、分布式存儲(chǔ)等特點(diǎn)，特別適合于處理不確定的模糊信息和要同時(shí)考慮許多因素條件的問題，因此在股市分析中越來越受到人們的重視。 但是，對于復(fù)雜問題和高維輸入變量，直接用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測，會(huì)帶來網(wǎng)絡(luò)規(guī)模的劇增，運(yùn)算時(shí)間的增加，網(wǎng)絡(luò)的收斂性和泛化能力的降低；另一方面，由于預(yù)測因子之間的相關(guān)性，導(dǎo)致輸入信息重疊，也使得模型預(yù)報(bào)的準(zhǔn)確率降低，因此，應(yīng)對此類樣本和眾多的預(yù)報(bào)因子進(jìn)行必要的處理。 本文針對股市中收盤價(jià)的預(yù)測問題，首先用SOM神經(jīng)網(wǎng)絡(luò)對具有分散特性的樣本進(jìn)行分類，對于分類后的各個(gè)子類，分別建立與之對應(yīng)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型；為了進(jìn)一步提高預(yù)測精度和網(wǎng)絡(luò)訓(xùn)練的效率，對眾多的預(yù)報(bào)因子采用主成分分析的方法進(jìn)行降維處理。在實(shí)際預(yù)測時(shí)，要對實(shí)時(shí)數(shù)據(jù)進(jìn)行判別分類，選擇對應(yīng)的模型進(jìn)行預(yù)測輸出。這樣，將SOM神經(jīng)網(wǎng)絡(luò)、主成分分析、BP神經(jīng)網(wǎng)絡(luò)有機(jī)地結(jié)合起來，構(gòu)建了股市收盤價(jià)的實(shí)時(shí)組合預(yù)測模型...

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖7第1類網(wǎng)絡(luò)對前120組收盤價(jià)的仿真情況

10D120圖7第1類網(wǎng)絡(luò)對前120組收盤價(jià)的仿真情況圖7給出了BP神經(jīng)網(wǎng)絡(luò)的120組訓(xùn)練樣本對應(yīng)收盤價(jià)的真實(shí)值與網(wǎng)絡(luò)仿真值逼近程度�；旧蠑M合比較好。

本文編號：3952377