基于神经网络的股票预测分析和研究

发布时间：2017-03-18 21:07

  本文关键词：基于神经网络的股票预测分析和研究，由笔耕文化传播整理发布。

【摘要】：股票是市场经济的产物，从诞生的那天起就牵动着数以千万投资者的心。高风险、高回报是股票投资的特征，个人投资者和机构投资者时刻关心股票行市，分析财务数据，试图预测股票的发展趋势。股票市场是一个复杂的非线性动态系统，利用传统的时间序列预测技术预测效果并不理想。神经网络是一个不依赖于模型的自适应函数估计器，不需要模型就可以实现任意的函数关系。目前，神经网络逐渐成为非线性动态系统预测与建模的强有力的工具。 本文通过研究数据挖掘算法即神经网络在股票价格预测中的应用，来寻求数据挖掘技术与股票预测的结合点。本文借助神经网络对非线性函数的逼近能力，，提出基于BP神经网络的股票价格预测模型，通过对比传统的时间序列预测方法，证实BP神经网络算法用于股票预测的可行性及有效性。 本课题的理论意义在：(1)探究新的股票投资风险分析和评估技术，丰富和完善股票投资风险分析和评估方法发体系：(2)将数据挖掘技术引入股票投资风险分析和评估，有利于推动股票投资风险分析和评估方法的发展。本项目研究的应用价值体现在：(1)提供一种基于多因素的股票投资风险定量分析技术，有利于提高评估的正确性；(2)提供一种基于BP神经网络的综合评估方法，有利于提高评估的科学性；(3)为股票市场的个人投资者和机构投资者的投资活动和投资决策提供新的思路和实用方法。
【关键词】：神经网络 股票预测 数据挖掘算法 BP算法
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：F830.91;F224
【目录】：

• 摘要3-4
• Abstract4-9
• 第一章 绪论9-19
• 1.1 研究背景9-10
• 1.2 股票分析预测方法综述10-12
• 1.3 神经网络的研究与发展12-15
• 1.4 数据挖掘技术的研究与发展15-17
• 1.5 论文的主要内容及创新之处17-19
• 1.5.1 论文的主要内容17
• 1.5.2 论文的结构安排17
• 1.5.3 论文的创新之处17-19
• 第二章 证券预测分析理论19-31
• 2.1 证券的概述19
• 2.2 国外证券市场19-20
• 2.3 股票的概述20
• 2.4 股票常用预测方法20-25
• 2.4.1 证券投资分析方法20-23
• 2.4.2 时间序列分析法23-24
• 2.4.3 神经网络预测方法24
• 2.4.4 其他预测方法24
• 2.4.5 股价预测存在的问题24-25
• 2.5 股票价格、股票预测变量及相关变量25-27
• 2.5.1 股票价格25-26
• 2.5.2 股票预测变量和相关变量26-27
• 2.6 股票常用技术指标27-30
• 2.6.1 移动平均线(MA)27
• 2.6.2 随机指数(KD线)27
• 2.6.3 平滑异同移动平均线(MACD)27-28
• 2.6.4 相对强弱指数(RSI)28
• 2.6.5 交易量指标(OBV)28-29
• 2.6.6 人气买卖指标(AR)29
• 2.6.7 买卖意愿指标(BR)29-30
• 2.6.8 乖离率(BIAS)30
• 2.7 本章小节30-31
• 第三章 数据挖掘技术分析31-34
• 3.1 数据挖掘的基本思想与工作流程31
• 3.2 数据挖掘分类31-32
• 3.3 数据挖掘算法32-33
• 3.3.1 关联规则32
• 3.3.2 粗糙集理论32
• 3.3.3 进化计算32
• 3.3.4 决策树32-33
• 3.3.5 人工神经网络33
• 3.3.6 灰色系统理论33
• 3.4 数据挖掘算法在股票预测应用中意义33
• 3.5 本章小节33-34
• 第四章 神经网络及 BP算法34-45
• 4.1 神经网络概述34-35
• 4.2 神经网络的特性35-36
• 4.3 FMNN模型36-37
• 4.4 BP学习算法37-44
• 4.4.1 BP算法37-39
• 4.4.2 标准 BP算法公式39-40
• 4.4.3 BP算法的局限性及改进40-41
• 4.4.4 参数自适应 BP算法41-42
• 4.4.5 BP网络的学习过程42-44
• 4.5 本章小节44-45
• 第五章 神经网络在股票价格预测中的应用45-68
• 5.1 神经网络在股票预测中的可行性45
• 5.2 系统分析与设计45-51
• 5.2.1 需要分析45-46
• 5.2.2 问题具体化46-48
• 5.2.3 系统设计48
• 5.2.4 数据预处理48-49
• 5.2.5 网络拓扑的设计49
• 5.2.6 初始参数的选择49-50
• 5.2.7 神经网络预测的一般步骤50
• 5.2.8 性能评价标准50-51
• 5.3 BP网络在股票价格预测中的应用51-59
• 5.3.1 样本的生成51-52
• 5.3.2 输入向量的确定52-53
• 5.3.3 参数的确定53-59
• 5.4 时间序列预测技术在股票预测中的应用59-67
• 5.4.1 一次指数平滑法59-60
• 5.4.2 二次指数平滑法60-61
• 5.4.3 三次指数平滑法61-62
• 5.4.4 指数平滑法对股票价格进行预测62-67
• 5.5 本章小结67-68
• 第六章 结论68-69
• 致谢69-70
• 参考文献70-72
• 附录72-78
• 攻读硕士学位期间发表的论文和取得的科研成果78

【引证文献】

中国期刊全文数据库 前2条

1 杨泽民;王文军;郭显娥;;基于协同微粒群的股票数据关联规则挖掘[J];吉林师范大学学报(自然科学版);2012年03期

2 曾明;魏衍;;一种BP神经网络改进算法的研究及应用[J];微计算机信息;2009年18期

中国硕士学位论文全文数据库 前8条

1 陈政;一种改进的遗传算法优化BP网络的研究及应用[D];暨南大学;2011年

2 南敏;基于粗糙集与神经网络的股价走势分析模型的研究[D];青岛理工大学;2010年

3 宣国庆;基于神经网络交叉覆盖算法的学生成绩预测[D];安徽大学;2011年

4 李青;一类非平稳经济序列预测模型的研究[D];新疆大学;2007年

5 李雨欣;人工神经网络技术研究的哲学思考[D];武汉科技大学;2007年

6 李晓静;股价预测的非线性方法研究[D];广西师范大学;2008年

7 朱一嘉;基于RBF神经网络的金融时序列预测研究[D];北京化工大学;2010年

8 史书真;股价时间序列的分析与预测研究[D];大连理工大学;2013年

  本文关键词：基于神经网络的股票预测分析和研究，由笔耕文化传播整理发布。

本文编号：255033