遗传算法及BP神经网络融合策略在股市预测中的应用

发布时间：2020-04-10 03:13

【摘要】： 随着经济的发展和人们投资意识的转变,股市已成为现代人生活中的一个重要组成部分,股市投资已成为社会公众谈论的中心之一,而股市的健康发展和繁荣也成为管理者和投资者关心和研究的重点。股市投资的收益与风险往往是成正比的,即投资收益越高,可能冒的风险越大。因此,股市预测方法的研究具有极其重要的应用价值和理论意义。但是股价系统内部结构的复杂性、外部因素的多变性决定了这项任务的艰巨性,而传统的预测工具已不能满足这种需要。本文在深入分析股市投资理论和股价预测方法的基础上,使用BP神经网络作为股市预测的网络模型。股市市场是一个极其复杂的非线性动力学系统,而神经网络具有很强的非线性逼近能力和自学习、白适应等特性,实验证明,利用神经网络对股市建模可以取得较好的预测效果。因为股市市场的走势看起来杂乱无章,但实际上有其内在的变化规律,而这正是神经网络预测股市的基础。BP网络通过对以往历史数据的学习,找出股市运行的内在规律,并将其存储在网络具体的权值、阈值中,用以预测未来的走势,尤其对于短期的预测效果更为明显。然而,BP神经网络存在学习收敛速度缓慢、易陷入局部极小点等缺点,使其对股市预测的效果不能令人满意。鉴于此,本文采用遗传算法与BP神经网络的融合策略,来达到克服其缺点的目的。遗传算法与BP神经网络相结合运用于股市预测的研究早已不是什么新鲜事了,但对于换手率作为因子能否用于股市预测?如何在预测网络模型中加入换手率因子?到目前为止还没有学者作过研究。作为首次研究,本文提出了两种将换手率作为因子加入到预测网络模型的方案:一,换手率和收盘价同时作为网络的输入数据;二,平均换手率作为隐含层阈值的附加值。对每个方案开发一个预测系统,通过系统的实际运行来判断换手率作为因子能否用于股市预测以及预测效果如何,从而达到研究遗传算法与BP神经网络融合策略在时间序列预测中应用的目的。
【图文】：

生物神经元,基本结构,神经元

轴索是把细胞体传出的信号导向其它神经元。神经元之间是通过突轴或神经腿相连。神经元之间的连接强弱随外部激励信号自适应地变化，，大脑的学习过程就是神经元之间的连接强度随外部激励信息自适应的调整过程。如图4一1是生物神经元的简化图[24]，图4一2是表征与生物神经元等效的系统模型125〕。突角虫末梢声叼杯，州脚、‘口材冲动南巍育)图4一1生物神经元的基本结构

系统界面

另外还有一些参数，如a、刀等，是需要用户自己手动调整的，对于这些参数系统应当为用户提供可以输入的接口，并且这些接口都应当出现在界面上以便用户与程序的交流。如图6一所示为系统界面，在界面的左边窗口中提供了与用户交流的接口一Edit控件。图6一系统界面6.3，4样本数据的处理6.3.4.1历史数据的选取股票交易市场是一个很不稳定的动态变化过程，不仅受国内外经济因素的影响，而且人为因素、政府调控等也是影响股票其未来走势的重要因素。因此，必须尽量选取“真空”环境下(即一段时期内走势稳定，没有或少有暴涨和暴跌等不稳定现象)某只股票的历史数据作为样本数据;否则，如果样本选取得很“波动”
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：F830.91;TP183

【参考文献】