發(fā)布時間：2021-04-30 02:53

　　隨著程序化交易的不斷發(fā)展,金融時間序列的趨勢預測算法得到了廣泛的研究。本文一方面對金融時間序列的預測進行了研究,針對BP神經(jīng)網(wǎng)絡(luò)股價預測應用中存在收斂速度慢、易陷入局部極值、訓練結(jié)果不穩(wěn)定、預測精度有限等問題進行了算法優(yōu)化,另一方面對金融時間序列的模式識別開展了研究,針對SAX算法進行了改進,具體研究內(nèi)容如下:首先,針對BP神經(jīng)網(wǎng)絡(luò)預測精度不夠的問題,本文提出了對進入BP網(wǎng)絡(luò)的數(shù)據(jù)進行預處理的混合系統(tǒng)模型。該模型利用歷史數(shù)據(jù),篩選出與測試樣本數(shù)據(jù)的模式匹配程度高的子序列,輸入子序列來訓練神經(jīng)網(wǎng)絡(luò),構(gòu)建出基于模式識別的BP神經(jīng)網(wǎng)絡(luò)預測模型。仿真結(jié)果表明,通過對不同數(shù)據(jù)段RMSE、MRE和WDS的分析,相比基于趨勢點的趨勢預測方法或多輸入變量的BP神經(jīng)網(wǎng)絡(luò)預測模型,本文提出的混合系統(tǒng)預測模型的預測誤差更小,預測效果更準確。其次,針對BP神經(jīng)網(wǎng)絡(luò)訓練時間較長、易陷入局部極值的問題,本文提出了一種改進的PSO-BP預測模型算法,該算法利用改進的PSO算法訓練BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,從而具備了較好的全局搜索能力,再利用BP神經(jīng)網(wǎng)絡(luò)的局部搜索能力進一步確定權(quán)值和閾值,從而確定BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 論文研究的背景和意義
    1.2 金融時間序列的特點
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 論文主要工作及章節(jié)安排
第2章 股票預測相關(guān)理論概述
    2.1 引言
    2.2 金融時間序列預測系統(tǒng)基本模型
    2.3 金融時間序列數(shù)據(jù)樣本的選取
    2.4 金融時間序列數(shù)據(jù)預處理
        2.4.1 數(shù)據(jù)規(guī)范化處理
        2.4.2 數(shù)據(jù)平穩(wěn)性處理
    2.5 神經(jīng)網(wǎng)絡(luò)模型
        2.5.1 神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)及原理
        2.5.2 BP神經(jīng)網(wǎng)絡(luò)原理
        2.5.3 BP神經(jīng)網(wǎng)絡(luò)算法基本實現(xiàn)步驟
        2.5.4 BP算法存在的缺陷
    2.6 金融時間序列的符號聚合近似
    2.7 模型評價標準
    2.8 本章小結(jié)
第3章 基于模式匹配的神經(jīng)網(wǎng)絡(luò)預測模型
    3.1 引言
    3.2 數(shù)據(jù)預處理
    3.3 模式匹配系統(tǒng)
        3.3.1 相似度指標
        3.3.2 尋找模式匹配的子序列
    3.4 模式匹配和神經(jīng)網(wǎng)絡(luò)相結(jié)合的預測模型
        3.4.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        3.4.2 系統(tǒng)算法模型
    3.5 仿真結(jié)果與性能分析
        3.5.1 股價趨勢預測
        3.5.2 不同數(shù)據(jù)段的股價趨勢預測
        3.5.3 性能對比分析
    3.6 本章小結(jié)
第4章 基于PSO優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預測模型
    4.1 引言
    4.2 基本PSO算法原理
    4.3 改進的PSO算法
    4.4 基于PSO優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預測模型
    4.5 仿真結(jié)果與分析
        4.5.1 改進PSO-BP預測模型參數(shù)設(shè)置
        4.5.2 數(shù)據(jù)預處理
        4.5.3 訓練時長
        4.5.4 預測精度
    4.6 本章小結(jié)
第5章 基于金融時間序列的符號聚合近似測度的改進
    5.1 引言
    5.2 本節(jié)所使用的符號
    5.3 改進的符號聚合近似表示方法
        5.3.1 數(shù)據(jù)預處理
        5.3.2 子序列數(shù)據(jù)搜索
        5.3.3 數(shù)據(jù)分割
        5.3.4 相似度計算
    5.4 仿真結(jié)果與性能分析
        5.4.1 匹配時間
        5.4.2 匹配準確性
    5.5 本章小結(jié)
第6章 總結(jié)與展望
    6.1 全文總結(jié)
    6.2 未來展望
致謝
參考文獻
附錄



本文編號：3168697