基于EMD-BPNN的股票價(jià)格預(yù)測(cè)研究
【文章頁(yè)數(shù)】:64 頁(yè)
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖1-1論文技術(shù)路線圖
根據(jù)前文所述,本文的研究思路主要分為兩個(gè)部分,一是對(duì)原始股票收盤(pán)價(jià)序列進(jìn)行分析、分解,得到適于預(yù)測(cè)的分量數(shù)據(jù),然后分別就原始數(shù)據(jù)和分量數(shù)據(jù)進(jìn)行基于BPNN和SVR的股價(jià)預(yù)測(cè),并對(duì)模型效果進(jìn)行評(píng)價(jià)與比較。本文遵循“數(shù)據(jù)-方法-結(jié)論”的脈絡(luò)展開(kāi)有關(guān)研究工作。其中圍繞數(shù)據(jù)展開(kāi)的研究?jī)?nèi)容....
圖2-1 EMD分解示意圖
為了更直觀地解釋EMD分解過(guò)程,本文引用希爾伯特黃變換的綜述性論文(Huang,2008)中的一組圖(圖2-1)來(lái)進(jìn)行說(shuō)明。圖2-1a中曲線為原信號(hào),求出其極大值點(diǎn)(菱形)和極小值點(diǎn)(圓圈)得到圖2-1b,接下來(lái)用三次樣條函數(shù)擬合極大值點(diǎn)組成的信號(hào)的上包絡(luò)線和由極小值點(diǎn)三次樣條擬....
圖2-2 BP神經(jīng)網(wǎng)絡(luò)算法流程圖
圖2-2直觀地反映了BP神經(jīng)網(wǎng)絡(luò)的算法流程。本文預(yù)期利用股票收盤(pán)價(jià)時(shí)間序列的前期數(shù)據(jù)來(lái)預(yù)測(cè)其未來(lái)的收盤(pán)價(jià),而這樣的預(yù)測(cè)模型需要滿足兩個(gè)條件:一是研究的時(shí)間序列具有記憶性。此時(shí)時(shí)間序列的當(dāng)前值是顯著依賴于其過(guò)去的,那么也就可以通過(guò)當(dāng)前已知的時(shí)間序列預(yù)測(cè)其未來(lái)。二是該時(shí)間序列具有平穩(wěn)....
圖3-1上證綜指每日收盤(pán)價(jià)時(shí)序圖
具體數(shù)據(jù)為:上證綜指上市日(1990年12月19日)到2020年12月25日的每日收盤(pán)價(jià),共7339個(gè)數(shù)據(jù),該數(shù)據(jù)主要用于股票數(shù)據(jù)探索的實(shí)證研究及其EMD分解。另外,用于預(yù)測(cè)的上證綜指及三只龍頭股票的研究區(qū)間均為2018年1月2日至2020年12月25日的每日收盤(pán)價(jià)序列,時(shí)間跨度....
本文編號(hào):4035742
本文鏈接:http://sikaile.net/jingjilunwen/hongguanjingjilunwen/4035742.html