【摘要】：本文利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行股市預(yù)測,在深入分析股票預(yù)測方法的基礎(chǔ)上,利用改進(jìn)后的BP算法提高預(yù)測精度,以MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱建模,并借助計(jì)算機(jī)快速處理大量數(shù)據(jù)的能力,在股市短期預(yù)測方面作一個(gè)嘗試. 股票市場具有高度非線性的特點(diǎn),短期原始數(shù)據(jù)序列波動(dòng)較大,隨機(jī)性較強(qiáng).特別是股價(jià)預(yù)測,短期內(nèi)股價(jià)波動(dòng)的峰谷差距有時(shí)極大,預(yù)測困難,精度低且優(yōu)良率不高.因此,為了更好的對原始股價(jià)序列進(jìn)行數(shù)據(jù)分析和篩選,選擇適宜的篩選方法,利用MATLAB實(shí)現(xiàn)馬氏平方距離篩選方法幫助確定特殊日期,以區(qū)分出正常日期和特殊日期,進(jìn)行預(yù)測. BP神經(jīng)網(wǎng)絡(luò)模型具有非線性映射,能以任意精度逼近函數(shù)關(guān)系,容錯(cuò)能力大,學(xué)習(xí)能力即自適應(yīng)能力強(qiáng)等特點(diǎn),在已分類數(shù)據(jù)序列下能訓(xùn)練出優(yōu)良基礎(chǔ)網(wǎng)絡(luò)并進(jìn)行股市預(yù)測.本文采用改進(jìn)后BP算法優(yōu)化神經(jīng)網(wǎng)絡(luò),針對不同的預(yù)測對象,根據(jù)個(gè)人的需要和專家的經(jīng)驗(yàn),從中選取若干種對該預(yù)測對象最直接相關(guān)的技術(shù)指標(biāo)來組成描述系統(tǒng)狀態(tài)的預(yù)測依據(jù)向量,開發(fā)相應(yīng)的變量選擇方法以提高神經(jīng)網(wǎng)絡(luò)預(yù)測研究的精度,實(shí)現(xiàn)對股票市場的短期預(yù)測.利用改進(jìn)后算法對上證指數(shù)和工商銀行這只有代表性的個(gè)股進(jìn)行預(yù)測,實(shí)證分析結(jié)果表明,BP神經(jīng)網(wǎng)絡(luò)用于股票短期預(yù)測是可行的,而改進(jìn)后的BP算法更提高了預(yù)測精度.本文所建立的基于BP神經(jīng)網(wǎng)絡(luò)的股票分析模型具有一定的理論價(jià)值和使用價(jià)值.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2011
【分類號】：F832.51;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 吳微,陳維強(qiáng),劉波;用BP神經(jīng)網(wǎng)絡(luò)預(yù)測股票市場漲跌[J];大連理工大學(xué)學(xué)報(bào);2001年01期

2 吳微,陳維強(qiáng);用于股市預(yù)測的BP算法的一些改進(jìn)[J];大連理工大學(xué)學(xué)報(bào);2001年05期

3 楊莉,邱家駒,江道灼;基于BP網(wǎng)絡(luò)的下一交易日無約束市場清算價(jià)格預(yù)測模型[J];電力系統(tǒng)自動(dòng)化;2001年19期

4 譚秀輝;白艷萍;;基于MATLAB的BP網(wǎng)絡(luò)在金融危機(jī)下的股市預(yù)測中的應(yīng)用[J];經(jīng)濟(jì)師;2009年12期

5 蔣艷霞;柯大鋼;解青芳;;基于數(shù)據(jù)挖掘技術(shù)的股票收益預(yù)測研究[J];經(jīng)濟(jì)與管理研究;2007年06期

6 劉明亮;李雄飛;孫濤;許曉晴;;數(shù)據(jù)挖掘技術(shù)標(biāo)準(zhǔn)綜述[J];計(jì)算機(jī)科學(xué);2008年06期

7 王光強(qiáng);周佩玲;;神經(jīng)網(wǎng)絡(luò)算法在股指預(yù)測中的應(yīng)用[J];計(jì)算機(jī)工程;2006年01期

8 林勝樂,陸楊;基于神經(jīng)網(wǎng)絡(luò)的股市資產(chǎn)收益率識別[J];價(jià)值工程;2005年10期

9 甘霖敏,楊p

本文編號：2737475