基于神经网络的时间序列分析在股票投资中的研究与应用

发布时间：2017-08-24 01:24

  本文关键词：基于神经网络的时间序列分析在股票投资中的研究与应用

  更多相关文章： 多元线性回归分析法 主成分分析法 Elman神经网络 BP神经网络 股票价格预测

【摘要】：随着市场经济的不断发展和中国股市的规范化、正规化，，股票投资不断兴起，股票市场在金融投资领域占有越来越重要的地位。因此较准确地描述股价走势，不但对我们日常生活产生巨大影响，也会对我国经济的持续发展提供有价值的参考。传统的股票预测方法不能很好地的分析和拟合高度非线性、多因素影响的股票市场，存在预测精度不高、预测速度较慢等问题。而人工神经网络以其良好的非线性逼近性以及自适应、自组织等特点被广泛应用在金融领域。本文基于神经网络模型并结合多元线性回归分析以及主成分分析在股票预测中的作用，分别提出基于多元回归的Elman神经网络组合模型和基于主成分分析的Elman神经网络组合模型，并利用包钢股份数据进行仿真实验，检验模型的预测效果。 1）多元回归神经网络模型。多元线性回归根据解释变量与被解释变量之间的线性关系而建立回归模型的过程。本文利用多元线性回归和神经网络相结合的方法进行预测，将多元线性回归方法预测结果作为Elman神经网络的输入层神经元，经过神经网络学习和训练得到预测结果。结果表明，与单一神经网络模型预测结果相比，组合模型预测精度和预测速度有较大提升，更加适合处理数据信息复杂的系统。 2）主成分神经网络模型。利用主成分法进行降维，将多个解释变量通过线性变化转化为少数主成分的过程。单一的Elman神经网络输入向量过于复杂，数据之间存在一定相关性。为了减小数据之间的冗余度，利用主成分分析法来分析股票指数之间的相关性，形成新的样本集，并将新的样本集作为Elman的训练数据。不仅减少了网络建模时输入数，而且能够有效地提高网络学习效率。 为了检验模型预测效果，建立结构相同的BP神经网络和Elman神经网络模型，并利用原始数据进行预测。运用软件matlab和eviews对包钢股份2013年4月12日到2014年3月26日期间股票收盘价进行仿真预测，结果表明基于主成分分析的Elman神经网络预测模型具有较高的预测精度、较快的网络训练速度，能够更好的预测该股票价格走势。
【关键词】：多元线性回归分析法 主成分分析法 Elman神经网络 BP神经网络 股票价格预测
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;TP18
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-16
• 1.1 股票的研究背景与意义9
• 1.2 股票分析方法综述9-11
• 1.3 神经网络的研究背景、意义与研究现状11-15
• 1.3.1 神经网络的研究背景与意义11-13
• 1.3.2 神经网络的研究现状13-15
• 1.4 本文主要研究内容15-16
• 第2章 与课题相关基本概念与基础知识16-27
• 2.1 股票价格预测基础知识16-17
• 2.2 人工神经网络模型17-23
• 2.2.1 BP 神经网络模型17-20
• 2.2.2 Elman 神经网络模型20-23
• 2.3 多元线性回归分析技术23-24
• 2.3.1 多元线性回归模型23
• 2.3.2 多元线性回归模型的检验23-24
• 2.4 主成分分析法24-27
• 2.4.1 主成分分析法原理24-25
• 2.4.2 主成分分析法计算步骤25-26
• 2.4.3 主成分分析法的优缺点26-27
• 第3章 基于多元线性回归的 Elman神经网络股价预测模型27-34
• 3.1 引言27
• 3.2 基于多元线性回归股价预测模型27-31
• 3.3 基于多元线性回归的 Elman 神经网络股价预测模型31-33
• 3.4 本章小结33-34
• 第4章 基于主成分分析的 Elman神经网络股价预测模型34-46
• 4.1 引言34
• 4.2 基于 BP 神经网络股价预测模型34-38
• 4.3 基于 Elman 神经网络股价预测模型38-40
• 4.4 基于主成分分析的 Elman 神经网络股价预测模型40-45
• 4.5 本章小结45-46
• 第5章 结论与展望46-47
• 参考文献47-50
• 在学研究成果50-51
• 致谢51

【参考文献】

中国期刊全文数据库 前10条

1 刘勇;我国股票市场和宏观经济变量关系的经验研究[J];财贸经济;2004年04期

2 程瑜蓉,郭双冰;基于混沌时间序列分析的股票价格预测[J];电子科技大学学报;2003年04期

3 张江昆;常太华;孟洪民;刘白杨;胡阳;张超;;基于ARIMA与Elman神经网络的短期风速组合预测方法[J];电子世界;2013年18期

4 陈晓红,朱霞;基于神经网络的期货套期保值决策支持系统[J];管理科学学报;2001年06期

5 冯清海;袁万城;;BP神经网络和RBF神经网络在墩柱抗震性能评估中的比较研究[J];结构工程师;2007年05期

6 麻卫华,李玉红;股指期货与我国股票市场发展[J];金融教学与研究;2004年05期

7 谢秀珍;李建洋;;基于神经网络LAMSTAR的短线股票预测研究[J];计算机工程与科学;2008年05期

8 曾濂;马丹

本文编号：728412