本文關鍵詞：基于小波分析的神經網絡股票預測研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著中國經濟的快速發(fā)展,我國的證券市場也在日益成長,股市的高收益正在吸引著越來越多的投資者的進場,但高風險也隨之而來,如何正確地預測股票市場的運行態(tài)勢,為國家宏觀經濟調控提供科學依據,使投資者在承受較小風險的情況下獲得較大收益已經成為國內外業(yè)界研究的熱門課題。股票市場是一個非常繁雜的非線性動態(tài)系統,傳統的時間序列預測方法往往無法揭示其內在規(guī)律,預測效果也很難有所突破。為此本文選擇了具備良好非線性擬合效果的神經網絡研究模型,并結合小波分析理論,建立了基于小波分析的動態(tài)神經網絡預測模型,選擇滬深300指數股的部分收盤價進行建模預測。論文主要研究內容如下:首先引入了小波分析,通過小波的分解與重構,將原始時間序列分解到不同的尺度上;然后根據不同尺度序列的特點,分別建模;并且在小波分析的過程中,對小波基函數的選擇和分解尺度的確定進行詳細的分析研究,為后續(xù)工作提供保障。經過小波分析,產生出一個低頻序列和若干個高頻序列,通過對歷史數據具有敏感性的低頻序列采用Elman動態(tài)神經網絡進行建模分析,而對具有隨機特性的高頻序列采用傳統BP神經網絡進行建模分析后,整合各層分析數據并得出最終的預測結果。在神經網絡建模分析的過程中,為了提高網絡的訓練效率以及避免陷入局部最小值,本文采用了附加動量法和具有自適應速率調節(jié)的梯度下降法對神經網絡的傳統學習算法存在的網絡收斂慢、易陷入局部極小的局限性進行了改進,實驗對比過程表明,改進的神經網絡學習算法在訓練效果和學習速度上都有明顯提高。最后,將作者提出的基于小波分析的動態(tài)神經網絡模型與小波分析下的靜態(tài)神經網絡以及傳統BP網絡這兩種預測模型的預測效果進行多角度對比分析,結果表明,這個模型不僅是有效的、可行的,而且在預測精度和訓練速率等方面都明顯優(yōu)于其他兩種模型。
【關鍵詞】：股票預測 滬深300指數 小波的分解與重構 Elman神經網絡 BP神經網絡
【學位授予單位】：江西師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F832.51;TP183
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-14
• 1.1 本文研究背景8-9
• 1.2 股票預測方法的發(fā)展9-10
• 1.2.1 結構計量模型階段9
• 1.2.2 時間序列分析階段9-10
• 1.2.3 數據挖掘分析階段10
• 1.3 國內外研究現狀10-11
• 1.4 研究目的及意義11-12
• 1.5 本文組織結構12-14
• 第二章 神經網絡技術理論基礎14-21
• 2.1 神經網絡概述14-16
• 2.1.1 人工神經網絡概念的提出14-15
• 2.1.2 人工神經元模型15-16
• 2.2 靜態(tài)BP神經網絡基本理論16-18
• 2.2.1 BP學習規(guī)則16-18
• 2.2.2 BP網絡的局限性及改進18
• 2.3 動態(tài)神經網絡基本理論18-20
• 2.3.1 Elman神經網絡模型19
• 2.3.2 Elman神經網絡的學習19-20
• 2.4 本章小結20-21
• 第三章 小波分析基本理論21-25
• 3.1 小波分析理論概述21
• 3.2 小波變換21-22
• 3.3 多尺度分析和Mallat算法22-24
• 3.4 本章小結24-25
• 第四章 基于小波分析的動態(tài)神經網絡股票預測研究25-33
• 4.1 股票價格預測的基本思想25
• 4.2 樣本選取和數據劃分25-27
• 4.2.1 研究樣本的選取25-26
• 4.2.2 樣本數據劃分26-27
• 4.3 小波分析的指標選擇27-30
• 4.3.1 小波基函數的選擇27-28
• 4.3.2 小波分解層數的選擇28-30
• 4.4 神經網絡結構設計30-32
• 4.4.1 網絡算法的改進30-31
• 4.4.2 網絡拓撲結構31
• 4.4.3 網絡參數設計31-32
• 4.4.4 數據預處理32
• 4.5 本章小結32-33
• 第五章 預測模型的仿真研究及比較分析33-41
• 5.1 基于小波分析的動態(tài)神經網絡股票預測模型33-37
• 5.1.1 原始序列的小波分解與重構33
• 5.1.2 低頻序列和高頻序列的建模預測33-37
• 5.2 基于小波分析的BP神經網絡股票預測模型37-38
• 5.3 基于靜態(tài)BP神經網絡股票預測模型38
• 5.4 預測結果誤差比較38-40
• 5.5 本章小結40-41
• 第六章 總結與展望41-43
• 6.1 本文總結41
• 6.2 對未來研究工作的展望41-43
• 參考文獻43-46
• 致謝46-47
• 在讀期間公開發(fā)表論文（著）及科研情況47

【相似文獻】

中國期刊全文數據庫 前10條

1 云中客;新的神經網絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協平;進化神經網絡的研究進展[J];系統工程與電子技術;2001年10期

3 李智;一種基于神經網絡的煤炭調運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經網絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經網絡推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統計角度看神經網絡[J];統計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經網絡及其應用研究[J];微計算機信息;2005年14期

8 袁婷;;神經網絡在股票市場預測中的應用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經網絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經網絡的過去、現在和將來[J];青年探索;2006年04期

中國重要會議論文全文數據庫 前10條

1 徐春玉;;基于泛集的神經網絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經網絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經網絡和簡單規(guī)劃的識別融合算法[A];2009系統仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經網絡的新機遇——紀念中國神經網絡10周年[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經網絡與圖論[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數值預報產品的神經網絡釋用預報應用[A];1999年中國神經網絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經網絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經網絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經網絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數據庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經網絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經網絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經網絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經網絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經網絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經網絡[N];健康時報;2006年

8 劉力;我半導體神經網絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經網絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經網絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數據庫 前10條

1 楊旭華;神經網絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經網絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經網絡的混沌性及幾類時滯神經網絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經網絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經網絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經網絡并行實現及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數據庫 前10條

1 章穎;混合不確定性模塊化神經網絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經網絡的風力發(fā)電系統預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統及其電路仿真[D];西南大學;2015年

4 陳彥至;神經網絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經網絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經網絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經網絡的上證指數預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經網絡血壓預測研究與系統實現[D];華南理工大學;2015年

9 張韜;幾類時滯神經網絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經網絡的穩(wěn)定性分析[D];渤海大學;2015年

  本文關鍵詞：基于小波分析的神經網絡股票預測研究，，由筆耕文化傳播整理發(fā)布。

本文編號：502472