本文關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)在股票預(yù)測(cè)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：股市的產(chǎn)生吸引了眾多的科學(xué)家對(duì)其進(jìn)行研究,隨著投資理財(cái)逐漸走進(jìn)大眾生活,股市趨勢(shì)的預(yù)測(cè)成為了投資者的關(guān)注重點(diǎn),由最開(kāi)始的簡(jiǎn)單觀看價(jià)格判斷趨勢(shì),到現(xiàn)在的采用人工智能算法,這也表明了股市的預(yù)測(cè)技術(shù)朝著更加智能化的方向發(fā)展。在當(dāng)今復(fù)雜多變的世界經(jīng)濟(jì)環(huán)境中,提高股市預(yù)測(cè)的精度有著實(shí)際的應(yīng)用價(jià)值。神經(jīng)網(wǎng)絡(luò)具有的強(qiáng)容錯(cuò)性、強(qiáng)適應(yīng)性和強(qiáng)處理能力是其他智能方法不可比擬的,并且依靠人工智能技術(shù)中的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行股市預(yù)測(cè)可以達(dá)到很好的效果,將其應(yīng)用在股市預(yù)測(cè)中,并針對(duì)具體的需要提出新的算法具有重要的意義。本文將過(guò)去的國(guó)內(nèi)外股市預(yù)測(cè)方法進(jìn)行探討,列舉主要相關(guān)的評(píng)價(jià)指標(biāo),分析了神經(jīng)網(wǎng)絡(luò)的技術(shù)特點(diǎn),最終使用BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)預(yù)測(cè)股市,實(shí)驗(yàn)是建立在MATLAB上的仿真實(shí)驗(yàn)進(jìn)行研究。本文主要研究?jī)?nèi)容包括:(1)首先介紹了神經(jīng)網(wǎng)絡(luò)應(yīng)用于股市預(yù)測(cè)需要的解決的問(wèn)題,通過(guò)介紹BP神經(jīng)網(wǎng)絡(luò)的基本原理和結(jié)構(gòu)、學(xué)習(xí)規(guī)則、缺點(diǎn)等,按照網(wǎng)絡(luò)的不足之處將標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)應(yīng)用附加動(dòng)量法對(duì)其權(quán)值進(jìn)行修正。仿真實(shí)驗(yàn)的結(jié)果顯示:改進(jìn)后的網(wǎng)絡(luò)相對(duì)于標(biāo)準(zhǔn)BP網(wǎng)絡(luò),其均方誤差降低了33%,相關(guān)系數(shù)提高了2.15%,網(wǎng)絡(luò)運(yùn)算時(shí)間縮短了50.75%。證明了經(jīng)過(guò)改進(jìn)后的網(wǎng)絡(luò)具有更大的應(yīng)用潛力。(2)遺傳算法是基于自然選擇和遺傳學(xué)機(jī)理的迭代自適應(yīng)概率搜索算法,可克服人工神經(jīng)網(wǎng)絡(luò)自身的缺陷,逐步提高網(wǎng)絡(luò)訓(xùn)練速度和預(yù)測(cè)精度,因此在本文中我們提出了基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型。由于我們選取的影響股票預(yù)測(cè)的因素具有很強(qiáng)的相關(guān)性,所以我們將主成分分析法應(yīng)用于特征提取中,對(duì)股票輸入數(shù)據(jù)進(jìn)行降維處理,然后應(yīng)用GA-BP算法進(jìn)行預(yù)測(cè)。經(jīng)過(guò)多次仿真實(shí)驗(yàn),結(jié)果顯示:PCA-GA-BP網(wǎng)絡(luò)相對(duì)于GA-BP網(wǎng)絡(luò),其均方誤差降低了51%,相關(guān)系數(shù)提高了1.89%,網(wǎng)絡(luò)運(yùn)算時(shí)間縮短了21.8%,變量個(gè)數(shù)減少了55%,累計(jì)貢獻(xiàn)率高達(dá)99.87%。證明了PCA-GA-BP網(wǎng)絡(luò)具有更高的預(yù)測(cè)精度、更快的運(yùn)算速度。(3)最后將主成分分析與支持向量機(jī)結(jié)合對(duì)股票進(jìn)行回歸預(yù)測(cè)分析,解決了高維輸入的問(wèn)題,并通過(guò)交叉驗(yàn)證法對(duì)支持向量機(jī)的參數(shù)進(jìn)行尋優(yōu),取得了較高的預(yù)測(cè)精度。仿真實(shí)驗(yàn)結(jié)果顯示:PCA-SVM相對(duì)于SVM,其均方誤差降低了70%,相關(guān)系數(shù)提高了5.8%,運(yùn)算時(shí)間縮短了23.8%,變量個(gè)數(shù)減少了52.5%,累計(jì)貢獻(xiàn)率高達(dá)99.44%。證明了PCA-SVM的股票預(yù)測(cè)模型具有很好的可行性和準(zhǔn)確性。
【關(guān)鍵詞】：股市預(yù)測(cè) BP神經(jīng)網(wǎng)絡(luò) 附加動(dòng)量法 遺傳算法 主成分分析 支持向量機(jī)
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：F832.51;TP183
【目錄】：

• 摘要4-6
• Abstract6-10
• 第一章 緒論10-17
• 1.1 研究背景及意義10-11
• 1.2 股票預(yù)測(cè)的研究現(xiàn)狀11-13
• 1.3 神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀13-15
• 1.4 本文的主要工作15-17
• 第二章 股票與神經(jīng)網(wǎng)絡(luò)概述17-28
• 2.1 股票預(yù)測(cè)背景知識(shí)17-22
• 2.1.1 股票的基本特征17-18
• 2.1.2 股票預(yù)測(cè)的評(píng)價(jià)指標(biāo)18-20
• 2.1.3 股票預(yù)測(cè)的主要方法20-22
• 2.2 人工神經(jīng)網(wǎng)絡(luò)22-27
• 2.2.1 人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介22-23
• 2.2.2 經(jīng)典網(wǎng)絡(luò)機(jī)制模型23-27
• 2.3 小結(jié)27-28
• 第三章 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)模型28-40
• 3.1 BP神經(jīng)網(wǎng)絡(luò)28-34
• 3.1.1 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則28-31
• 3.1.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程31-33
• 3.1.3 BP算法的不足33-34
• 3.2 BP算法的改進(jìn)34-37
• 3.2.1 附加動(dòng)量法35-36
• 3.2.2 學(xué)習(xí)速率自適應(yīng)調(diào)整36-37
• 3.3 實(shí)驗(yàn)結(jié)果及分析37-39
• 3.4 小結(jié)39-40
• 第四章 基于GA和PCA-GA算法的BP神經(jīng)網(wǎng)絡(luò)模型40-51
• 4.1 GA算法40-44
• 4.1.1 GA算法的基本原理40-41
• 4.1.2 遺傳算法運(yùn)算流程41-44
• 4.2 主成分分析44-48
• 4.2.1 主成分分析法的基本原理44-45
• 4.2.2 主成分分析法的推導(dǎo)45-48
• 4.2.3 基于PCA和GA算法的BP神經(jīng)網(wǎng)絡(luò)48
• 4.3 實(shí)驗(yàn)結(jié)果及分析48-50
• 4.4 小結(jié)50-51
• 第五章 基于PCA和SVM的股票預(yù)測(cè)模型51-59
• 5.1 支持向量機(jī)51-55
• 5.1.1 支持向量機(jī)的基本原理51-54
• 5.1.2 參數(shù)尋優(yōu)54-55
• 5.1.3 基于PCA-SVM的股票預(yù)測(cè)模型55
• 5.2 實(shí)驗(yàn)及結(jié)果分析55-57
• 5.3 小結(jié)57-59
• 第六章 總結(jié)和展望59-60
• 6.1 總結(jié)59
• 6.2 展望59-60
• 參考文獻(xiàn)60-64
• 讀碩士學(xué)位期間發(fā)表的論文64-65
• 致謝65-66

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 陳瓊,鄭啟倫;人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)硬件實(shí)現(xiàn)的研究進(jìn)展[J];電路與系統(tǒng)學(xué)報(bào);2000年01期

2 單潮龍,馬偉明,賁可榮,張磊;BP人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用及其實(shí)現(xiàn)技術(shù)[J];海軍工程大學(xué)學(xué)報(bào);2000年04期

3 羅維平,向陽(yáng);人工神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)及其應(yīng)用[J];中南民族學(xué)院學(xué)報(bào)(自然科學(xué)版);2000年S1期

4 孫學(xué)梅;人工神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用[J];張家口職業(yè)技術(shù)學(xué)院學(xué)報(bào);2000年02期

5 汪鐳,周?chē)?guó)興,吳啟迪;人工神經(jīng)網(wǎng)絡(luò)在傳動(dòng)領(lǐng)域中的應(yīng)用[J];電機(jī)與控制學(xué)報(bào);2001年01期

6 侯晉,陳國(guó)松,王鎮(zhèn)浦;人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及在多元校正中的應(yīng)用[J];分析科學(xué)學(xué)報(bào);2001年01期

7 戰(zhàn)凱,朱文斌,黃文斌;人工神經(jīng)網(wǎng)絡(luò)在軍用艦船工程中的應(yīng)用展望[J];青島大學(xué)學(xué)報(bào)(工程技術(shù)版);2001年03期

8 梁艷春,聶義勇;從科學(xué)研究方法論看人工神經(jīng)網(wǎng)絡(luò)研究的發(fā)展[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2002年01期

9 索興梅,王崇桃;人工神經(jīng)網(wǎng)絡(luò)在農(nóng)業(yè)中的應(yīng)用研究[J];計(jì)算機(jī)與農(nóng)業(yè);2002年02期

10 付業(yè)偉,張知俠,楊瑞麗;人工神經(jīng)網(wǎng)絡(luò)及其在分析化學(xué)中的應(yīng)用[J];咸陽(yáng)師范學(xué)院學(xué)報(bào);2002年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 吳兵;;一種具有語(yǔ)義分布的自構(gòu)造的新人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)及其應(yīng)用[A];1999年中國(guó)神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

2 劉R，

本文編號(hào)：291846