本文選題：股價(jià)預(yù)測(cè) + BP神經(jīng)網(wǎng)絡(luò)��； 參考：《暨南大學(xué)》2017年碩士論文

【摘要】：作為金融業(yè)不可或缺的一部分,股票投資在人們的生活中呈現(xiàn)愈來(lái)愈重要的態(tài)勢(shì)。股價(jià)的波動(dòng)直接影響著股市的穩(wěn)定以及金融市場(chǎng)與國(guó)民經(jīng)濟(jì)的健康發(fā)展。成功的股價(jià)和趨勢(shì)預(yù)測(cè)有助于投資者獲利,也有助于政府部門提供及時(shí)合理的市場(chǎng)指導(dǎo)與監(jiān)管。因此,如何預(yù)測(cè)股票市場(chǎng)是金融界存在的一個(gè)重要而有價(jià)值的課題。神經(jīng)網(wǎng)絡(luò)模擬人體神經(jīng)元功能,可以從股市中提取歷史數(shù)據(jù)和相關(guān)信息來(lái)推斷股價(jià)未來(lái)發(fā)展趨勢(shì),具有較強(qiáng)的自組織與自適應(yīng)的能力。因此,神經(jīng)網(wǎng)絡(luò)適合于處理具有非線性時(shí)間序列特征的股價(jià)預(yù)測(cè)問題。本文提出了一種基于BP神經(jīng)網(wǎng)絡(luò)針對(duì)股價(jià)預(yù)測(cè)問題的綜合模型。從影響股價(jià)的市場(chǎng)面因素中討論并確定了21個(gè)針對(duì)股價(jià)預(yù)測(cè)的評(píng)價(jià)指標(biāo),通過(guò)主成分分析方法降維至6個(gè)輸入變量;同時(shí)通過(guò)思維進(jìn)化算法優(yōu)化網(wǎng)絡(luò)初始連接權(quán)值和閾值;探討了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、隱含層節(jié)點(diǎn)個(gè)數(shù)、學(xué)習(xí)率、激活函數(shù)和訓(xùn)練函數(shù)、樣本數(shù)據(jù)的選取和預(yù)處理等問題;最后建立對(duì)比模型并通過(guò)多次運(yùn)行,得到綜合模型擁有最高的預(yù)測(cè)精度和穩(wěn)定性。理論分析和實(shí)驗(yàn)結(jié)果表明,本文建立的基于BP神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)綜合模型是可行且有效的,有著良好的應(yīng)用前景。
[Abstract]:As an indispensable part of the financial industry, stock investment is becoming more and more important in people's lives.The fluctuation of stock price directly affects the stability of stock market and the healthy development of financial market and national economy.Successful stock price and trend forecasts help investors make profits and help government departments to provide timely and reasonable market guidance and regulation.Therefore, how to predict the stock market is an important and valuable issue in financial circles.Neural network simulates human neuron function and can extract historical data and relevant information from stock market to infer the future development trend of stock price. It has strong ability of self-organization and self-adaptation.Therefore, the neural network is suitable to deal with the stock price forecasting problem with nonlinear time series.This paper presents a comprehensive model for stock price forecasting based on BP neural network.This paper discusses and determines 21 evaluation indexes of stock price prediction from the factors affecting stock price, reduces the dimension to 6 input variables by principal component analysis, and optimizes the initial connection weight and threshold of the network through the thinking evolution algorithm.The topological structure of the network, the number of hidden layer nodes, the learning rate, the activation function and the training function, the selection and preprocessing of the sample data and so on are discussed.The synthetic model has the highest prediction accuracy and stability.The theoretical analysis and experimental results show that the synthetic model of stock price prediction based on BP neural network is feasible and effective and has a good application prospect.
【學(xué)位授予單位】：暨南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP183;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭建峰;李玉;安東;;基于LM遺傳神經(jīng)網(wǎng)絡(luò)的短期股價(jià)預(yù)測(cè)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2017年01期

2 賀昱曜;李寶奇;;一種組合型的深度學(xué)習(xí)模型學(xué)習(xí)率策略[J];自動(dòng)化學(xué)報(bào);2016年06期

3 崔麗杰;;基于BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練函數(shù)選取研究[J];科技創(chuàng)新導(dǎo)報(bào);2014年36期

4 朱永明;邵庚云;;基于BP神經(jīng)網(wǎng)絡(luò)的股價(jià)趨勢(shì)預(yù)測(cè)——以房地產(chǎn)開發(fā)上市公司為例[J];財(cái)會(huì)月刊;2013年14期

5 周振貴;;我國(guó)證券市場(chǎng)股價(jià)長(zhǎng)期走勢(shì)的影響因素分析[J];時(shí)代金融;2013年18期

6 董欣欣;;基于主成分分析的股價(jià)影響因素實(shí)證研究——來(lái)自中小企業(yè)板的經(jīng)驗(yàn)數(shù)據(jù)[J];財(cái)會(huì)通訊;2011年36期

7 王芳;謝克明;劉建霞;;基于群體智能的思維進(jìn)化算法設(shè)計(jì)[J];控制與決策;2010年01期

8 繆凱;陳芳;趙志剛;;基于菌群RBF神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)[J];青島大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

9 何小娟,曾建潮,徐玉斌;基于思維進(jìn)化算法的神經(jīng)網(wǎng)絡(luò)權(quán)值與結(jié)構(gòu)優(yōu)化[J];計(jì)算機(jī)工程與科學(xué);2004年05期

10 羅成漢;基于MATLAB神經(jīng)網(wǎng)絡(luò)工具箱的BP網(wǎng)絡(luò)實(shí)現(xiàn)[J];計(jì)算機(jī)仿真;2004年05期

相關(guān)碩士學(xué)位論文 前10條

1 劉璽;基于BP神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)方法研究[D];北京交通大學(xué);2016年

2 張希影;基于遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)股票價(jià)格預(yù)測(cè)[D];青島科技大學(xué);2014年

3 李瑞鑫;股市平均股價(jià)的主要影響因素研究[D];廣東工業(yè)大學(xué);2013年

4 閆冬;神經(jīng)網(wǎng)絡(luò)技術(shù)在股票價(jià)格短期預(yù)測(cè)中的應(yīng)用研究[D];重慶交通大學(xué);2013年

5 方智;基于多技術(shù)指標(biāo)模型的滬深300指數(shù)走勢(shì)預(yù)測(cè)[D];江西財(cái)經(jīng)大學(xué);2012年

6 李聰;基于BP神經(jīng)網(wǎng)絡(luò)的股票指數(shù)期貨價(jià)格預(yù)測(cè)[D];青島大學(xué);2012年

7 齊頌超;中國(guó)滬市股價(jià)信息含量的影響因素研究[D];重慶大學(xué);2012年

8 王云霞;基于主成分—BP神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)[D];山東大學(xué);2011年

9 閆甜;基于BP神經(jīng)網(wǎng)絡(luò)的中國(guó)股市預(yù)測(cè)[D];華南理工大學(xué);2011年

10 王相軍;BP神經(jīng)網(wǎng)絡(luò)模型在股票價(jià)格預(yù)測(cè)中的研究[D];青島理工大學(xué);2010年

，

本文編號(hào)：1739193