本文關(guān)鍵詞：基于GM（1，1）動態(tài)等維殘差修正-BP神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型

  更多相關(guān)文章： 組合預(yù)測 GM(1 1) 殘差修正 BP神經(jīng)網(wǎng)絡(luò) 誤差檢驗

【摘要】：金融投資中的影響因素是多樣的，在金融投資中起主要作用的是對股票價格的預(yù)測準確度，對股票價格的預(yù)測需要考慮的方面是多樣的，影響股票價格的不僅有國家的經(jīng)濟政策的因素還有投資人的決策因素等，在這些因素的影響下，股票價格并不是簡單的呈現(xiàn)線性關(guān)系的，金融行業(yè)中對股票價格的預(yù)測是常見的但是準確率確實不能保證，所以，股價預(yù)測就成了金融市場中亟待研究和解決的課題之一。 GM(1,1)模型和BP神經(jīng)網(wǎng)絡(luò)模型是股票預(yù)測中常用的預(yù)測模型，模型簡單，易于理解操作。但是單一預(yù)測的精度很難達到股民和投資者的精度要求，在實際中沒有多大的應(yīng)用價值，為了更好的提高預(yù)測精度，，為廣大股民和股票投資者爭取實際利益，本文的研究工作如下： 在對GM(1,1)模型進行研究的基礎(chǔ)上進行了動態(tài)等維殘差修正，使其精度得到了有效的提高；為了能更好的滿足實際的需要和理論的研究需要，再次在殘差修正的基礎(chǔ)之上將GM(1,1)模型和BP神經(jīng)網(wǎng)絡(luò)模型串聯(lián)形成了組合模型，利用GM(1,1)動態(tài)等維殘差修正模型得到的預(yù)測數(shù)據(jù)作為輸入數(shù)據(jù)，而實際的每日股票收盤價作為目標數(shù)據(jù)進行BP神經(jīng)網(wǎng)絡(luò)的訓練，通過訓練來建立組合預(yù)測模型，模型構(gòu)建完成后，輸入實際的日期數(shù)據(jù)便可得到要預(yù)測的當日股票收盤價，并利用上證交易所的股票亞寶藥業(yè)（SHA:600351）的數(shù)據(jù)對所建立的模型進行了實證分析，結(jié)果表明所建立的組合模型對實際的股票預(yù)測能夠起到很好的指導作用。
【關(guān)鍵詞】：組合預(yù)測 GM(1 1) 殘差修正 BP神經(jīng)網(wǎng)絡(luò) 誤差檢驗
【學位授予單位】：湖南大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F832.51;TP18
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-14
• 1.1 股價預(yù)測研究的意義10
• 1.2 股價預(yù)測當前的研究現(xiàn)狀10-12
• 1.3 本論文的主要研究工作及章節(jié)安排12-14
• 第二章 股價預(yù)測分析14-18
• 2.1 股價預(yù)測概述14-15
• 2.1.1 國內(nèi)股價預(yù)測的特點14
• 2.1.2 股價預(yù)測的分類14
• 2.1.3 股票市場是可預(yù)測性14-15
• 2.2 股價變化的原因15-16
• 2.3 股價預(yù)測16
• 2.4 基于灰色預(yù)測的 BP 神經(jīng)網(wǎng)絡(luò)預(yù)測模型概述16-18
• 第三章 灰色 GM(1,1)模型的基本原理18-23
• 3.1 灰色系統(tǒng)概述18-19
• 3.2 GM(1,1)模型及其預(yù)測過程19-20
• 3.2.1 建立 GM(1,1)模型19-20
• 3.2.2 殘差修正過程20
• 3.3 GM(1,1)模型的檢驗20-22
• 3.3.1 精度檢驗21
• 3.3.2 關(guān)聯(lián)度檢驗21
• 3.3.3 后驗差檢驗21-22
• 3.4 GM(1,1)動態(tài)等維模型的構(gòu)建22-23
• 第四章 GM(1,1)動態(tài)等維-BP 神經(jīng)網(wǎng)絡(luò)組合預(yù)測模型23-32
• 4.1 BP 神經(jīng)網(wǎng)絡(luò)概述23
• 4.2 BP 神經(jīng)網(wǎng)絡(luò)模型工作的基本模式23-24
• 4.3 BP 神經(jīng)網(wǎng)絡(luò)算法24-26
• 4.4 BP 算法用在股市預(yù)測中的不足26-28
• 4.4.1 網(wǎng)絡(luò)的精確度不高26-27
• 4.4.2 輸入數(shù)據(jù)的確定27
• 4.4.3 參數(shù)的調(diào)節(jié)27-28
• 4.5 組合預(yù)測模型28-32
• 4.5.1 組合預(yù)測模型概念簡述28
• 4.5.2 組合預(yù)測模型的優(yōu)點28-29
• 4.5.3 組合預(yù)測模型的分類29
• 4.5.4 組合預(yù)測模型的預(yù)測過程29-30
• 4.5.5 組合預(yù)測模型的結(jié)果檢驗30-32
• 第五章 組合預(yù)測模型的實證預(yù)測與分析32-43
• 5.1 GM（ 1， 1）灰色預(yù)測模型實證分析32-35
• 5.2 BP 神經(jīng)網(wǎng)絡(luò)模型實證分析35-39
• 5.2.1 輸入數(shù)據(jù)的獲取35-36
• 5.2.2 BP 預(yù)測模型的預(yù)測過程36-39
• 5.3 動態(tài)等維 GM(1,1)-BP 組合模型的預(yù)測過程39-43
• 第六章 結(jié)論43-45
• 參考文獻45-48
• 附錄 A：GM(1,1) 的 matlab 程序48-50
• 致謝50

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陶冶;馬健;;基于聚類分析和判別分析方法的股票投資價值分析──關(guān)于中小企業(yè)板的初步研究[J];財經(jīng)理論與實踐;2005年06期

2 王車效;;基于初值修正的非等距灰色預(yù)測模型[J];重慶師范大學學報(自然科學版);2006年03期

3 王艷玲;;灰色馬爾可夫預(yù)測模型在工業(yè)SO_2排放量中的應(yīng)用[J];重慶師范大學學報(自然科學版);2008年02期

4 蚩志鋒;閆珍珠;黃彪;;基于遺傳算法與BP算法的水質(zhì)評價模型[J];重慶科技學院學報(自然科學版);2009年01期

5 王鳳琴,高穎,趙軍;基于遺傳算法的神經(jīng)網(wǎng)絡(luò)優(yōu)化[J];燕山大學學報;2001年03期

6 劉險峰,鄒積巖;基于灰色理論的蓄電池容量預(yù)測[J];大連理工大學學報;2005年05期

7 陳學永,王貴成,何聰惠;神經(jīng)網(wǎng)絡(luò)在振動攻絲工藝參數(shù)匹配中的應(yīng)用[J];工具技術(shù);2003年03期

8 孫曉東;焦s

本文編號：681968