基于小波神经网络非线性逼近的股票分析与预测方法研究

发布时间：2020-04-30 03:33

【摘要】： 随着国内外股票市场的迅速发展，分析和预测股票在国内外投资界得到广泛应用。近年来由于混沌和分形理论的研究成果不断涌现，用非线性确定系统规律来研究股价行为显示出越来越强大的生命力! 在本文中，作者首先介绍中国股市的发展概况以及现有的分析方法，其次阐述了BP网络径和向基神经网络的基本原理、基本结构和基本功能，再次介绍了小波分析的原理及其与RBF神经网络相结合理论，并在此基础之上探讨小波神经网络应用于股票价格分析和预测的可能性和可用性，最后通过训练构造的小波神经网络来判断股市发展趋势且对股票做出短期的分析和预测。该方法的提出对于解决现有方法预测准确性低、算法收敛速度慢以及趋势预测错误率较大等弊端有较大的帮助。 为了证明算法的有效性，本文随机选取2005年11月7日招商银行发行的H股和2007年在上海股市上市的21支个股不同时间段的数据进行了网络训练和预测检验。实验结果表明，小波神经网络非线性逼近的分析和预测方法能够以近80％的平均正确趋势率对单个股价进行预测，优于传统的模型和分析算法。
【图文】：

是RBF中心，1卜{}表示欧氏范数，m是RBF单元数，它小于数据点数。。显见，在假设中和c，以被确定的情况下，，RBF模型(3一33)有良好的参数结构，RBF网络结构如图3一4所示。R:(x)·输入十愉到匕衬甲十弓，12冲yy洲，+.yXZ十，十‘呼‘十，X翔十图3一 4RBF网络模型
【学位授予单位】：成都理工大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F830.9;F224

【引证文献】

相关硕士学位论文 前2条

1 王峥明;中国A股配对交易策略实证研究[D];哈尔滨工业大学;2010年

2 李晓静;股价预测的非线性方法研究[D];广西师范大学;2008年

本文编号：2645343