隨著金融學(xué)與電子計(jì)算機(jī)技術(shù)的飛速發(fā)展,將電子計(jì)算機(jī)技術(shù)與金融學(xué)領(lǐng)域相結(jié)合成為當(dāng)下的一種趨勢(shì),當(dāng)這種模式可以為投資者帶來(lái)有效的高額利潤(rùn)時(shí),人們就會(huì)選擇利用這種方式即量化的方式來(lái)構(gòu)建投資組合,如量化選股,高頻套利交易和量化擇時(shí)等量化投資方式。量化投資實(shí)際上就是將會(huì)對(duì)股價(jià)產(chǎn)生影響的各類(lèi)因子分類(lèi)提取出來(lái),以大量的數(shù)據(jù)為基石,通過(guò)反復(fù)調(diào)整各因子對(duì)股價(jià)影響的參數(shù)權(quán)重,通過(guò)精細(xì)化的方式合理配置投資組合達(dá)到獲取超額收益的目的。神經(jīng)網(wǎng)絡(luò)算法通過(guò)不斷調(diào)整網(wǎng)絡(luò)中鏈接權(quán)重,不斷向最優(yōu)結(jié)果趨近,不斷被廣大量化領(lǐng)域投資者應(yīng)用。但是神經(jīng)網(wǎng)絡(luò)模型也存在著自身的局限性,其中容易陷入局部最優(yōu)解這個(gè)問(wèn)題使得神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中可能達(dá)不到預(yù)期的效果,造成投資失利。所以,如何改善神經(jīng)網(wǎng)絡(luò)容易陷入局部最優(yōu)解,提高神將網(wǎng)絡(luò)在量化選股中的實(shí)際效果變得非常重要。為了能使神經(jīng)網(wǎng)絡(luò)模型跳出局部最優(yōu)解,使模型的選股效果在實(shí)踐中得到提升,從而幫助投資者獲取超額利潤(rùn),本文采用將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,通過(guò)利用遺傳算法去優(yōu)化調(diào)整BP神將網(wǎng)絡(luò)模型中鏈接權(quán)重,構(gòu)建成為GA-BP模型,使得模型在更新參數(shù)時(shí)可以有更多的選擇,避免落入局部最優(yōu)解...

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１基于ＧＡ－ＢＰ模型量化選股研究技術(shù)路線(xiàn)??１．４研究與創(chuàng)新??１．４．１研究?jī)?nèi)容??

?基于遺傳算法優(yōu)化的ＢＰ神經(jīng)網(wǎng)絡(luò)量化選股模型??對(duì)初始樣本進(jìn)行收集???ｉ???對(duì)數(shù)據(jù)集進(jìn)行殘缺值補(bǔ)齊、異常值標(biāo)準(zhǔn)化等處理???ｉ???訓(xùn)練集、測(cè)試集劃分???±???Ｉ???基于訓(xùn)練樣本集得到?將ＢＰ模型優(yōu)化為ＧＡ－ＢＰ??最優(yōu)ＢＰ選股模型?模型，并對(duì)ＧＡ－ＢＰ模型的???１－....

圖２－１?ＢＰ神經(jīng)網(wǎng)絡(luò)輸入層到隱藏層向前傳播示意圖??

基于遺傳算法優(yōu)化的ＢＰ神經(jīng)網(wǎng)絡(luò)量化選股模型???訓(xùn)練誤差小于期望的訓(xùn)練誤差時(shí)，訓(xùn)練結(jié)束，得到期望的實(shí)驗(yàn)結(jié)果。??本文根據(jù)網(wǎng)絡(luò)的單次循環(huán)路徑，即輸入層到隱藏層、隱藏層到輸出層、輸??出層到隱藏層連接權(quán)重的更新、隱藏層到輸入層連接權(quán)重的更新四個(gè)部分拆分??介紹ＢＰ神經(jīng)網(wǎng)絡(luò)的工作原理。....

圖２－２?ＢＰ神經(jīng)網(wǎng)絡(luò)隱藏層到輸出層向前傳播示意圖??

相關(guān)理論概述??Ｐｋ?＝?／?（ＷｊｋＺｊ?＋?０ｋ）?（２－６）??７＝１??則輸出層第＊個(gè)神經(jīng)元的輸出ｙ為：??９?＝?／（／？ｆｃ）?＝?／?＿（ｗｊｋＺｊ?＋?（２－７）??輸入層：輸入Ｘ?＿?一．?、？＇??權(quán)重?ｖ、、．、?Ｗ；７ｃ??輸入層：輸入Ｘ?＿二＿?、．，?....

圖２－３?ＢＰ神經(jīng)網(wǎng)絡(luò)隱藏層和輸出層的鏈接權(quán)重更新示意圖??

基于遺傳算法優(yōu)化的ＢＰ神經(jīng)網(wǎng)絡(luò)量化選股模型??Ｅｈ?＝（ｙ?—?ｙ）２?（２?—?８〕??（１）此時(shí)存在兩個(gè)輸出值，一個(gè)為通過(guò)神經(jīng)網(wǎng)絡(luò)計(jì)算得到的預(yù)測(cè)輸出值，??另一個(gè)為數(shù)據(jù)本身的真是輸出值，二者者之間會(huì)存在一個(gè)差值，將這個(gè)差值定??義為５，通過(guò)對(duì)５進(jìn)行鏈?zhǔn)角髮?dǎo)，使得原來(lái)隱藏層與輸....

本文編號(hào)：3895766