互联网公司的股票价格预测研究

发布时间：2017-09-29 12:17

  本文关键词：互联网公司的股票价格预测研究

  更多相关文章： 互联网公司 BP网络 激活函数 股票预测

【摘要】：近年来,经济的迅速发展以及股票市场的逐渐完善,股票已经成为人们投资的一种重要方式,而互联网公司经历了网络经济泡沫后,发展愈加成熟,并以其高效、低成本的特点,对传统企业造成了极大的冲击。互联网公司具有高增长性和高风险性,对互联网公司的价值以及股票的分析,得到了风投甚至普通投资者更多的关注,如何有效的评估互联网公司价值,以及对股票的价格进行预测,对于投资者来说具有理论意义和应用价值。 关于互联网公司的价值,本文主要从政治、经济以及国家政策等角度,探讨互联网行业的发展状况与前景；另外,分析了互联网公司的价值来源：直接经济、注意力经济和规模经济等,从公司的角度出发,提出了公司盈利情况、公司知名度、市场专注度和创新能力、市场份额和推广能力、管理团队以及融资能力等几项指标,用于对互联网公司的价值进行评估。在具体的公司价值评估方法上,主要有市盈率模型、经济附加值模型、贴现现金流模型等评估方法,因为不作为本文研究重点,故在此不再赘述。 在公司的股票预测方法上,本文在通过比较了几种传统的股票预测方法之后,提出了神经网络预测法,并针对标准的BP算法中,在分析股价走势时存在的问题,包括：学习效率低,易陷入局部极小值,预测精度低等。对神经元的激活函数进行了调整,对样本数据进行了归一化处理,从而提高了BP网络的训练效率和结果的准确性。 由于本文中探讨的是互联网公司,所以首先对互联网公司的定义、分类以及特点,进行了介绍。并介绍了股票以及人工神经网络的基础知识。然后从互联网公司以及公司特点入手,从宏观方面,分析了互联网行业的政治以及经济影响因素,通过对互联网公司价值的来源以及影响价值评估的主要因素进行分析,从而对股票的投资有个前期判断,对互联网公司的股票进行合理评估。 通过分析传统的股票预测方法,包括证券投资方法,模型预测法等,指出神经网络预测的特性,以及预测股价走势的可行性。通过设计BP网络的拓扑结构,以及样本数据的选取、分类、归一化处理等操作,建立神经网络的预测模型,然后通过Matlab仿真软件对收集的数据进行仿真预测实验。 本文以国内上市的互联网公司(焦点科技)2011年5月-2012年8月的股价为原始数据,调用经过调整建立的BP网络模型,进行学习和训练,通过比较激活函数调整前后的效果,得出经过调整后建立的预测模型,预测的准确性以及效率都有了很大的提高。 通过宏观和微观两方面的分析,这样使得投资者在投资该互联网公司时,争取有效的抓住经济热点,为投资者的投资提供理论依据以及数据支持,争取能够使投资收益最大化和风险最小化。股票市场是一个非常复杂的动态的系统,在个人因素、外界的政治经济等因素的影响下,预测的结果与目标结果会有一定的出入。另外个人能力的有限,在神经网络算法的改进等方面还有一定的不足,还需要今后进一步的探讨和研究,结合Matlab这个强大仿真软件,争取能完善出一套适合互联网公司股票预测的神经网络工具箱。
【关键词】：互联网公司 BP网络 激活函数 股票预测
【学位授予单位】：东北财经大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F49;F832.51
【目录】：

• 摘要2-4
• ABSTRACT4-8
• 1 绪论8-15
• 1.1 研究背景8-9
• 1.2 国内外研究现状9-12
• 1.3 研究意义和目的12-13
• 1.4 论文内容安排13-15
• 2 基础知识概述15-22
• 2.1 互联网公司的定义及特点15-17
• 2.1.1 互联网公司的定义15-16
• 2.1.3 互联网公司的特点16-17
• 2.2 股票相关知识17-19
• 2.2.1 股票的概述17-18
• 2.2.2 股票预测常用术语18-19
• 2.3 人工神经网络19-22
• 2.3.1 神经网络的结构19-20
• 2.3.2 神经网络的特点20-22
• 3 互联网行业的宏观分析22-32
• 3.1 互联网行业的宏观指标分析22-26
• 3.1.1 国际和国内的宏观政治分析22-23
• 3.1.2 互联网行业的宏观经济分析23-26
• 3.2 互联网公司的价值分析26-32
• 3.2.1 互联网公司的价值来源26-29
• 3.2.2 影响互联网公司价值评估的主要因素29-32
• 4 网络股的价格预测方法--微观层面32-48
• 4.1 网络股的传统预测方法32-38
• 4.1.1 修正的市盈率模型32-33
• 4.1.2 修正的经济附加值模型33-34
• 4.1.4 模型预测分析34-36
• 4.1.5 神经网络预测方法36-38
• 4.2 BP神经网络的改进和调整38-48
• 4.2.1 BP神经网络及其算法38-41
• 4.2.2 BP算法在股市预测时遇到的问题41-43
• 4.2.3 BP算法的改进43-48
• 5 BP神经网络在网络股中的应用48-64
• 5.1 基于BP网络的股市预测模型48-51
• 5.1.1 BP网络拓扑结构的设计48-49
• 5.1.2 样本数据、参数的选取和处理49-51
• 5.2 股市预测模型的实现51-56
• 5.2.1 在MATLAB中应用BP神经网络52-54
• 5.2.2 互联网公司股票预测的实现54-56
• 5.3 BP网络仿真实验及结果56-64
• 5.3.1 BP网络在股票中的预测分析56-61
• 5.3.2 实验结论61-64
• 6 总结与展望64-66
• 6.1 总结64-65
• 6.2 展望65-66
• 附录66-77
• 参考文献77-80
• 后记80-81

【相似文献】

中国期刊全文数据库 前10条

1 杜晨;;劳动密集型高科技[J];IT经理世界;2008年13期

2 齐介仑;;酋长王志东:互联网的那些事儿[J];纪实;2009年11期

3 ;我们处在一个非常特别的时代——访Google全球副总裁刘允[J];商务周刊;2010年21期

4 周鸿;;互联网公司是怎么衰落的[J];销售与市场(渠道版);2010年11期

5 ;新科技泡沫[J];河南科技;2011年11期

6 方兴东;十大总结和十大预测[J];管理与财富;2000年02期

7 何济川;英国Boo.com公司倒闭带来的启示[J];世界电信;2000年08期

8 王凌;海外风险资本流入我国互联网公司的原因初探[J];学海;2002年01期

9 章瑜;互联网与资本关怀——与投资家汪潮涌对话[J];中国高新技术企业;2003年Z1期

10 宋燕;;我落网的这三年——一个IT精英在网络冬天的回忆[J];职业技术教育;2003年23期

中国重要会议论文全文数据库 前10条

1 施广宇;范灵源;;面向内容的未来互联网架构研究综述[A];中国通信学会信息通信网络技术委员会2011年年会论文集（上册）[C];2011年

2 李彪;;现代信息生产条件下的媒体核心竞争力[A];新闻学论集（第19辑）[C];2007年

3 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

4 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年

5 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

6 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年

7 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

8 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集（上）[C];1995年

9 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年

10 金龙;吴建生;;基于遗传算法的神经网络短期气候预测模型(摘要)[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集[C];2003年

中国重要报纸全文数据库 前10条

1 廖庆升;谢文：互联网没有冬天[N];通信信息报;2008年

2 本报记者 舒杰;腾讯:从帝制走向共和[N];通信产业报;2010年

3 李国训;争夺电脑桌面右下角[N];财经时报;2007年

4 郭凡生;网络渠道企业为何总流泪[N];中国计算机报;2006年

5 朱泉峰;本可以做得更好[N];计算机世界;2006年

6 周童;互联网视频市场要论持久战[N];计算机世界;2007年

7 叶恒楠;新经济泡沫开始破灭？[N];中国经营报;2006年

8 李佳师;Web2.0网站亟须创新赢利模式[N];中国电子报;2008年

9 胡Z，

本文编号：941973