隨著市場(chǎng)經(jīng)濟(jì)制度的不斷發(fā)展完善,股票市場(chǎng)對(duì)國家、公司、個(gè)人的作用日益凸顯。股票市場(chǎng)減少了交易成本、提供著流動(dòng)性,更關(guān)鍵的是能夠通過買賣雙方的供需關(guān)系修正證券的定價(jià)。證券的價(jià)格影響著社會(huì)資源的配置情況,體現(xiàn)了公司的經(jīng)營狀況,同時(shí)也指導(dǎo)著投資者選擇最適合于自己的交易行為。因此,預(yù)測(cè)股票的價(jià)格有助于各個(gè)市場(chǎng)參與主體能更好地制定決策,也幫助投資者實(shí)現(xiàn)資產(chǎn)增值。中國股票市場(chǎng)還未達(dá)到完全有效,股票價(jià)格中尚未包含市場(chǎng)上所有相關(guān)信息,股票價(jià)格仍具有可預(yù)測(cè)性。為了能預(yù)測(cè)股票價(jià)格的變動(dòng),需要使用能夠刻畫股票價(jià)格非線性特征的模型。神經(jīng)網(wǎng)絡(luò)模型受到人類大腦認(rèn)知過程的啟發(fā),模仿人類的神經(jīng)系統(tǒng),具有學(xué)習(xí)輸入輸出之間的非線性映射關(guān)系的能力。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)采用最速下降法,訓(xùn)練過程有可能停止于局部最優(yōu)點(diǎn)并且模型的收斂速度和穩(wěn)定性難以達(dá)到平衡。LMBP算法結(jié)合了牛頓法和最速下降法的特性,平衡了模型的穩(wěn)定性和收斂速度,但是仍沒有解決模型的解可能陷于局部最優(yōu)點(diǎn)的問題。遺傳算法借鑒“物競天擇、適者生存”的自然選擇過程,通過選擇、交叉、變異操作讓適應(yīng)度更高的個(gè)體有更大機(jī)會(huì)將信息保留到下一代,也增加了種群的多樣性。在每一次循環(huán)... 

【文章來源】：西南財(cái)經(jīng)大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 選題背景及意義
    1.2 研究內(nèi)容和框架
        1.2.1 本文研究內(nèi)容
        1.2.2 文章框架
    1.3 創(chuàng)新點(diǎn)及不足
2 文獻(xiàn)綜述
    2.1 市場(chǎng)有效性的文獻(xiàn)回顧
    2.2 股價(jià)預(yù)測(cè)方法的文獻(xiàn)回顧
    2.3 神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)領(lǐng)域的文獻(xiàn)回顧
3 股票預(yù)測(cè)理論
    3.1 股票的基本概念
    3.2 股票價(jià)格的可預(yù)測(cè)性
        3.2.1 有效市場(chǎng)假說
        3.2.2 對(duì)有效市場(chǎng)假說的爭議
    3.3 股票價(jià)格的預(yù)測(cè)方法
        3.3.1 基本面分析法
        3.3.2 技術(shù)分析法
        3.3.3 統(tǒng)計(jì)建模法
    3.4 常用技術(shù)指標(biāo)的計(jì)算方法
4 神經(jīng)網(wǎng)絡(luò)及其算法
    4.1 神經(jīng)網(wǎng)絡(luò)概述
        4.1.1 神經(jīng)元
        4.1.2 激活函數(shù)
        4.1.3 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
    4.2 Levenberg-Marquardt算法
        4.2.1 牛頓法
        4.2.2 高斯牛頓法
        4.2.3 Levenberg-Marquardt算法
    4.3 遺傳算法
        4.3.1 遺傳算法概述
        4.3.2 遺傳算法的基本構(gòu)成元素
        4.3.3 遺傳算法的計(jì)算步驟
        4.3.4 遺傳算法的優(yōu)缺點(diǎn)
    4.4 GA-LMBP算法
5 神經(jīng)網(wǎng)絡(luò)對(duì)股價(jià)進(jìn)行預(yù)測(cè)的實(shí)證研究
    5.1 數(shù)據(jù)
        5.1.1 樣本股
        5.1.2 交易數(shù)據(jù)
        5.1.3 技術(shù)指標(biāo)
    5.2 評(píng)價(jià)指標(biāo)
        5.2.1 絕對(duì)指標(biāo)
        5.2.2 相對(duì)指標(biāo)
    5.3 LMBP神經(jīng)網(wǎng)絡(luò)的構(gòu)建及結(jié)果分析
        5.3.1 LMBP神經(jīng)網(wǎng)絡(luò)的構(gòu)建
        5.3.2 LMBP神經(jīng)網(wǎng)絡(luò)的結(jié)果及分析
    5.4 GA-LMBP神經(jīng)網(wǎng)絡(luò)的構(gòu)建及結(jié)果分析
        5.4.1 GA-LMBP神經(jīng)網(wǎng)絡(luò)的構(gòu)建
        5.4.2 GA-LMBP神經(jīng)網(wǎng)絡(luò)的結(jié)果及分析
    5.5 模型對(duì)比研究
    5.6 結(jié)論
6 總結(jié)及展望
參考文獻(xiàn)
后記
致謝
在讀期間科研成果目錄


【參考文獻(xiàn)】：
期刊論文
[1]基于LM遺傳神經(jīng)網(wǎng)絡(luò)的短期股價(jià)預(yù)測(cè)[J]. 郭建峰,李玉,安東.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(01)
[2]因子分析和神經(jīng)網(wǎng)絡(luò)相融合的股票價(jià)格預(yù)測(cè)[J]. 鄭睿,周麗.  內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版). 2015(04)
[3]基于事件分析模型檢驗(yàn)中國股票市場(chǎng)的半強(qiáng)式有效性[J]. 王善君,高海燕.  西南金融. 2015(04)
[4]基于神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)模型[J]. 陳嶷瑛,張澤星,李文斌.  計(jì)算機(jī)應(yīng)用與軟件. 2014(05)
[5]資產(chǎn)定價(jià)中的市場(chǎng)流動(dòng)性——流動(dòng)性文獻(xiàn)綜述[J]. 張玉龍,李怡宗.  投資研究. 2013(10)
[6]神經(jīng)網(wǎng)絡(luò)算法在股票分析與預(yù)測(cè)中的應(yīng)用[J]. 陶雨雨.  現(xiàn)代經(jīng)濟(jì)信息. 2013(10)
[7]人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J]. 毛健,趙紅東,姚婧婧.  電子設(shè)計(jì)工程. 2011(24)
[8]全流通后中國股市半強(qiáng)有效性的實(shí)證研究[J]. 瞿寶忠,徐啟帆.  統(tǒng)計(jì)與決策. 2010(09)
[9]人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J]. 朱大奇.  江南大學(xué)學(xué)報(bào). 2004(01)
[10]中國股票市場(chǎng)的漸進(jìn)有效性研究[J]. 張兵,李曉明.  經(jīng)濟(jì)研究. 2003(01)

碩士論文
[1]事件驅(qū)動(dòng)型策略下的股票價(jià)格預(yù)測(cè)[D]. 楊念念.廣東外語外貿(mào)大學(xué) 2016
[2]中國股市弱式有效的重新檢驗(yàn)[D]. 張鵬.云南財(cái)經(jīng)大學(xué) 2016
[3]金融市場(chǎng)有效性理論與中國股票市場(chǎng)的實(shí)證分析[D]. 管雷.華中師范大學(xué) 2015
[4]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]. 張希影.青島科技大學(xué) 2014
[5]基于網(wǎng)絡(luò)輿論的我國股票市場(chǎng)有效性檢驗(yàn)研究[D]. 陳江鵬.西南財(cái)經(jīng)大學(xué) 2013
[6]基于灰理論的中國股票市場(chǎng)短期組合預(yù)測(cè)建模研究[D]. 張?chǎng)?武漢理工大學(xué) 2012
[7]上海股市弱式有效性檢驗(yàn)與股價(jià)趨勢(shì)預(yù)測(cè)研究[D]. 張鵬.華南理工大學(xué) 2011
[8]基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)模型研究[D]. 苑迪.湖南大學(xué) 2009



本文編號(hào)：3385326