本文關(guān)鍵詞：基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)在資本市場中的應(yīng)用　出處：《復(fù)旦大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 遺傳算法 反向傳播 小波神經(jīng)網(wǎng)絡(luò) 資本市場 量子遺傳算法

【摘要】：最近二十年,以上海和深圳兩大證券交易所的開幕為契機,中國的金融市場發(fā)生了翻天覆地的變化。金融相關(guān)行業(yè),銀行,證券,保險分別都有了一套完整的監(jiān)管體系,行業(yè)人才也在日益增加,證券分析師們也都在尋找著在證券市場更加行之有效的證券分析方法。 數(shù)學(xué)作為金融學(xué)研究中一種必不可少的工具,正在證券分析的領(lǐng)域發(fā)揮越來越大的作用。而人工神經(jīng)網(wǎng)絡(luò)也在其中發(fā)揮了重要的作用�；诜聪騻鞑ニ惴ǖ男〔ㄉ窠�(jīng)網(wǎng)絡(luò)有著很好的學(xué)習(xí)能力,良好的容錯性,并且可以并行處理信息,通過調(diào)整各節(jié)點之間的權(quán)值,連接關(guān)系,可以達到很好的處理信息的作用。遺傳算法以及量子遺傳算法在函數(shù)的逼近以及網(wǎng)絡(luò)權(quán)值的運算中可以得到良好的效果。 本文以中國股票市場中的板塊以及個股作為研究對象,使用基于遺傳算法和基于量子遺傳算法的小波神經(jīng)網(wǎng)絡(luò),并結(jié)合反向傳播算法,力圖尋找證券板塊的每日趨勢以及個股走向中的規(guī)律。使用小波神經(jīng)網(wǎng)絡(luò),我們可以輸入歷史的數(shù)據(jù),得到預(yù)測的數(shù)據(jù)。并與歷史已有數(shù)據(jù)相對比,并最終得到了比較好的模擬結(jié)果,驗證了神經(jīng)網(wǎng)絡(luò)的有效性。
[Abstract]:In the last two decades, with the opening of two major stock exchanges in Shanghai and Shenzhen, China's financial market has undergone earth-shaking changes. Insurance has a complete regulatory system, industry talent is increasing, and securities analysts are looking for more effective securities analysis methods in the stock market. Mathematics is an indispensable tool in financial research. It is playing a more and more important role in the field of securities analysis, and artificial neural network also plays an important role. Wavelet neural network based on backpropagation algorithm has a good learning ability. Good fault tolerance, and can process information in parallel, by adjusting the weight of each node, join the relationship. Genetic algorithm and quantum genetic algorithm can get good results in function approximation and network weight operation. In this paper, we use the wavelet neural network based on genetic algorithm and quantum genetic algorithm, and combine the back propagation algorithm with the plate and individual stock in Chinese stock market as the research object. Using wavelet neural network, we can input historical data, get predicted data, and compare with historical data. Finally, good simulation results are obtained to verify the effectiveness of the neural network.
【學(xué)位授予單位】：復(fù)旦大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP18;F832.51

【相似文獻】

相關(guān)期刊論文 前10條

1 文成林,王雪,侯玉華;自回歸過程的小波神經(jīng)網(wǎng)絡(luò)逼近算法[J];河南大學(xué)學(xué)報(自然科學(xué)版);2000年01期

2 萬建,徐德民,賀昱曜;一種小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其學(xué)習(xí)算法研究[J];系統(tǒng)工程與電子技術(shù);2002年03期

3 任少龍,鐘秋海,嚴承華;小波神經(jīng)網(wǎng)絡(luò)在裝備研制費預(yù)測與控制中的應(yīng)用[J];海軍工程大學(xué)學(xué)報;2002年05期

4 李躍華,張勝,高敦堂,李興國;基于小波神經(jīng)網(wǎng)絡(luò)的毫米波雷達目標(biāo)距離像識別(英文)[J];紅外與毫米波學(xué)報;2002年01期

5 董杰,馬壯,吳云,李嘉林;遺傳小波神經(jīng)網(wǎng)絡(luò)在飛機加油管路設(shè)計中的應(yīng)用[J];機械科學(xué)與技術(shù);2002年S1期

6 趙學(xué)智,鄒春華,陳統(tǒng)堅,葉邦彥,彭永紅;小波神經(jīng)網(wǎng)絡(luò)的參數(shù)初始化研究[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2003年02期

7 楊春玲,楊茂華,胡艷,戴景民;小波神經(jīng)網(wǎng)絡(luò)在多波長輻射測溫中的應(yīng)用[J];計量學(xué)報;2003年04期

8 李益國,沈炯,呂震中;一種新的小波神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化設(shè)計方法[J];控制理論與應(yīng)用;2003年03期

9 盛景泉,付夢印,劉永信;采用小波神經(jīng)網(wǎng)絡(luò)的捷聯(lián)慣導(dǎo)系統(tǒng)靜基座快速初始對準(zhǔn)[J];內(nèi)蒙古大學(xué)學(xué)報(自然科學(xué)版);2003年04期

10 向小東;小波神經(jīng)網(wǎng)絡(luò)預(yù)測方法及其應(yīng)用[J];統(tǒng)計與決策;2003年07期

相關(guān)會議論文 前10條

1 胡博;陶文華;崔博;白一彤;尹旭;;基于小波神經(jīng)網(wǎng)絡(luò)的異步電機故障診斷[A];2009中國控制與決策會議論文集（2）[C];2009年

2 何正友;錢清泉;;一種改進小波神經(jīng)網(wǎng)絡(luò)模型在電力故障信號識別中的應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

3 魯艷軍;陳漢新;陳緒兵;;基于小波神經(jīng)網(wǎng)絡(luò)的齒輪裂紋故障診斷[A];節(jié)能減排 綠色制造 智能制造——低碳經(jīng)濟下高技術(shù)制造產(chǎn)業(yè)與智能制造發(fā)展論壇論文集[C];2010年

4 董健;尹萌;張輝;;小波神經(jīng)網(wǎng)絡(luò)結(jié)合多項式的混合預(yù)測方法在通信規(guī)劃中的應(yīng)用[A];2011全國無線及移動通信學(xué)術(shù)大會論文集[C];2011年

5 謝建宏;張為公;;復(fù)合材料疲勞剩余壽命預(yù)測的動態(tài)小波神經(jīng)網(wǎng)絡(luò)方法[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

6 陳建秋;張新政;;基于小波神經(jīng)網(wǎng)絡(luò)的水質(zhì)預(yù)測應(yīng)用研究[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

7 孫正貴;;小波神經(jīng)網(wǎng)絡(luò)的高效學(xué)習(xí)算法及應(yīng)用研究[A];中南六�。▍^(qū)）自動化學(xué)會第24屆學(xué)術(shù)年會會議論文集[C];2006年

8 黃敏;朱啟兵;崔寶同;;基于小波神經(jīng)網(wǎng)絡(luò)的軋機特性回歸[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

9 周紹磊;張文廣;李新;;一種基于改進遺傳算法的小波神經(jīng)網(wǎng)絡(luò)[A];2007年中國智能自動化會議論文集[C];2007年

10 杜青;劉劍飛;劉娟;喬延華;;基于小波神經(jīng)網(wǎng)絡(luò)的模擬調(diào)制信號自動識別[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（下冊）[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 侯霞;小波神經(jīng)網(wǎng)絡(luò)若干關(guān)鍵問題研究[D];南京航空航天大學(xué);2006年

2 章文俊;小波神經(jīng)網(wǎng)絡(luò)算法及其船舶運動控制應(yīng)用研究[D];大連海事大學(xué);2014年

3 高協(xié)平;小波參數(shù)化與小波神經(jīng)網(wǎng)絡(luò)研究[D];湖南大學(xué);2003年

4 宋清昆;自適應(yīng)結(jié)構(gòu)優(yōu)化神經(jīng)網(wǎng)絡(luò)控制研究[D];哈爾濱理工大學(xué);2009年

5 李永紅;廣義小波神經(jīng)網(wǎng)絡(luò)實現(xiàn)雷達相關(guān)濾波的研究[D];大連海事大學(xué);2000年

6 銀俊成;量子信道與量子小波神經(jīng)網(wǎng)絡(luò)相關(guān)問題研究[D];陜西師范大學(xué);2013年

7 李文軍;多小波和小波神經(jīng)網(wǎng)絡(luò)構(gòu)造及其在電弧故障診斷中的應(yīng)用研究[D];吉林大學(xué);2008年

8 劉守生;遺傳算法與小波神經(jīng)網(wǎng)絡(luò)中若干問題的研究[D];南京航空航天大學(xué);2005年

9 黃同成;基于小波神經(jīng)網(wǎng)絡(luò)理論的VOCR與HOCR技術(shù)研究[D];上海大學(xué);2008年

10 蔡振禹;基于粗集—小波神經(jīng)網(wǎng)絡(luò)的煤炭企業(yè)管理研究[D];天津大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 譚杰;基于小波神經(jīng)網(wǎng)絡(luò)的模擬電路故障診斷研究[D];湖南大學(xué);2008年

2 李進如;基于改進小波神經(jīng)網(wǎng)絡(luò)的故障識別方法研究[D];華北電力大學(xué)（北京）;2008年

3 王鵬;小波神經(jīng)網(wǎng)絡(luò)及其在環(huán)境系統(tǒng)建模中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2007年

4 楊崴崴;小波神經(jīng)網(wǎng)絡(luò)在汽輪發(fā)電機組故障預(yù)測中的應(yīng)用[D];浙江大學(xué);2008年

5 吳箏;基于小波神經(jīng)網(wǎng)絡(luò)的混合氣體測試系統(tǒng)研究[D];華中科技大學(xué);2007年

6 李遜;基于小波神經(jīng)網(wǎng)絡(luò)的系統(tǒng)邊際電價預(yù)測[D];華中科技大學(xué);2007年

7 黃曉莉;基于小波神經(jīng)網(wǎng)絡(luò)的人臉識別[D];四川理工學(xué)院;2007年

8 黃媛;改進的小波神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機械故障診斷中的應(yīng)用研究[D];武漢理工大學(xué);2009年

9 鄭令;基于小波神經(jīng)網(wǎng)絡(luò)的機械故障診斷方法的研究[D];大連交通大學(xué);2009年

10 孫麗娟;基于遺傳算法的小波神經(jīng)網(wǎng)絡(luò)短時交通流預(yù)測[D];山東科技大學(xué);2009年

，

本文編號：1430805