現(xiàn)代的股票市場(chǎng)是一個(gè)巨大的投資、融資市場(chǎng),每天都有大筆資金的流入和流出,它在社會(huì)穩(wěn)定發(fā)展中扮演著越來(lái)越重要的角色。若是誰(shuí)能把握住股票市場(chǎng)發(fā)展的趨勢(shì),并且能夠在短時(shí)間內(nèi)做出投資決策,那么誰(shuí)就能從這個(gè)巨大的投、融資市場(chǎng)上獲取利益。若想把握住股市的趨勢(shì),并且能夠及時(shí)做出正確的決策,對(duì)股票市場(chǎng)進(jìn)行預(yù)測(cè)和分析就顯得必不可少。現(xiàn)有的股市預(yù)測(cè)分析方法主要有基本面分析法和技術(shù)分析法,但是這些分析方法都存在著各自的缺陷,難以令人信服。隨著股票市場(chǎng)的發(fā)展,基于股市金融數(shù)據(jù)的時(shí)間序列分析預(yù)測(cè)方法開(kāi)始涌現(xiàn),但大多數(shù)方法都是基于線性假設(shè)前提之下的,與股市數(shù)據(jù)所呈現(xiàn)的非線性特征相違背。經(jīng)研究發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)在解決這類非線性問(wèn)題上有著自己特有的優(yōu)勢(shì),因此,本文從神經(jīng)網(wǎng)絡(luò)入手,將多種群遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,構(gòu)造了一個(gè)多種群遺傳神經(jīng)網(wǎng)絡(luò)模型,并將其應(yīng)用于股票價(jià)格指數(shù)的預(yù)測(cè)。該組合模型不僅克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)易陷于局部最小值、初始權(quán)值難以確定等缺陷,還避免了標(biāo)準(zhǔn)遺傳算法所存在的早熟收斂問(wèn)題。同時(shí),該模型還具有訓(xùn)練快、預(yù)測(cè)結(jié)果穩(wěn)定、預(yù)測(cè)精度高等優(yōu)點(diǎn),為股價(jià)指數(shù)預(yù)測(cè)提供了一種新的思路和途徑。本文首先闡述了神經(jīng)網(wǎng)絡(luò)方法,介紹了B... 

【文章來(lái)源】：浙江工商大學(xué)浙江省

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
目錄
第一章 緒論
    第一節(jié) 研究背景及意義
        一、研究背景
        二、研究的理論意義
        三、研究的現(xiàn)實(shí)意義
    第二節(jié) 文獻(xiàn)綜述
    第三節(jié) 主要研究?jī)?nèi)容及框架
        一、主要研究?jī)?nèi)容
        二、主要研究框架
    第四節(jié) 本文可能的創(chuàng)新
第二章 股價(jià)指數(shù)預(yù)測(cè)的相關(guān)知識(shí)介紹
    第一節(jié) 股價(jià)指數(shù)
    第二節(jié) 股價(jià)指數(shù)相關(guān)的變量及指標(biāo)
        一、技術(shù)指標(biāo)變量
        二、宏觀經(jīng)濟(jì)變量
    第三節(jié) 股價(jià)指數(shù)預(yù)測(cè)方法的理論依據(jù)
第三章 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型與遺傳算法
    第一節(jié) 人工神經(jīng)網(wǎng)絡(luò)概述
        一、BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與算法
        二、BP神經(jīng)網(wǎng)絡(luò)算法的優(yōu)缺點(diǎn)
    第二節(jié) 遺傳算法
        一、遺傳算法的基本原理
        二、遺傳算法的基本操作
        三、遺傳算法的基本流程
        四、多種群遺傳算法
第四章 基于多種群遺傳算法的神經(jīng)網(wǎng)絡(luò)組合模型
    第一節(jié) 多種群遺傳神經(jīng)網(wǎng)絡(luò)組合模型研究
    第二節(jié) 組合模型的基本操作
        一、參數(shù)的編碼
        二、種群的初始化
        三、適應(yīng)度函數(shù)的設(shè)計(jì)
        四、遺傳操作算子和多種群的設(shè)計(jì)
    第三節(jié) 多種群遺傳神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)
第五章 實(shí)證研究
    第一節(jié) 非參數(shù)核估計(jì)方法理論框架
    第二節(jié) 變量和樣本的選取
    第三節(jié) 變量的篩選和數(shù)據(jù)歸一化
    第四節(jié) 基于BP神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)
        一、利用初始變量對(duì)上證指數(shù)的預(yù)測(cè)
        二、利用篩選后變量對(duì)上證指數(shù)的預(yù)測(cè)
        三、對(duì)比分析研究
    第五節(jié) 基于多種群遺傳算法的神經(jīng)網(wǎng)絡(luò)對(duì)上證指數(shù)的預(yù)測(cè)
        一、利用初始變量對(duì)上證指數(shù)的預(yù)測(cè)
        二、利用篩選后變量對(duì)上證指數(shù)的預(yù)測(cè)
        三、對(duì)比分析研究
    第六節(jié) 兩種模型預(yù)測(cè)結(jié)果的對(duì)比分析
第六章 結(jié)論
參考文獻(xiàn)
附錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于PCA-BP神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)研究[J]. 蔡紅,陳榮耀.  計(jì)算機(jī)仿真. 2011(03)
[2]一種新的基于Agent的神經(jīng)網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù)的優(yōu)化算法[J]. 高鵬毅,陳傳波,秦升,胡迎松.  計(jì)算機(jī)工程與科學(xué). 2010(05)
[3]基于遺傳神經(jīng)網(wǎng)絡(luò)的指數(shù)跟蹤優(yōu)化方法[J]. 劉磊.  系統(tǒng)工程理論與實(shí)踐. 2010(01)
[4]基于主成分的遺傳神經(jīng)網(wǎng)絡(luò)股票指數(shù)預(yù)測(cè)研究[J]. 智晶,張冬梅,姜鵬飛.  計(jì)算機(jī)工程與應(yīng)用. 2009(26)
[5]L egender神經(jīng)網(wǎng)絡(luò)建模及股票預(yù)測(cè)[J]. 鄒阿金,羅移祥.  計(jì)算機(jī)仿真. 2005(11)
[6]人工神經(jīng)網(wǎng)絡(luò)在中長(zhǎng)期匯率預(yù)測(cè)中的應(yīng)用[J]. 楊炘,馬洪波.  系統(tǒng)工程. 1999(01)
[7]集成型手寫(xiě)漢字識(shí)別方法與系統(tǒng)[J]. 郝紅衛(wèi),戴汝為.  中國(guó)科學(xué)E輯:技術(shù)科學(xué). 1997(06)
[8]CMAC學(xué)習(xí)過(guò)程收斂性的研究[J]. 羅忠,謝永斌,朱重光.  自動(dòng)化學(xué)報(bào). 1997(04)
[9]廣義小波變換及其在人工神經(jīng)網(wǎng)絡(luò)中的應(yīng)用[J]. 朱文革.  應(yīng)用數(shù)學(xué)學(xué)報(bào). 1997(02)
[10]一種激勵(lì)函數(shù)可調(diào)的新人工神經(jīng)網(wǎng)絡(luò)及應(yīng)用[J]. 吳佑壽,趙明生,丁曉青.  中國(guó)科學(xué)E輯:技術(shù)科學(xué). 1997(01)

碩士論文
[1]基于灰色神經(jīng)網(wǎng)絡(luò)的股指預(yù)測(cè)方法研究[D]. 范艷敏.北京工業(yè)大學(xué) 2011
[2]基于小波分析和神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)方法研究[D]. 王建偉.北京工業(yè)大學(xué) 2004



本文編號(hào)：3474278