基于神经网络和遗传算法的证券预测技术的研究

发布时间：2020-05-17 12:03

【摘要】： 预测是科学管理的重要环节,是决策、规划的前提,在社会经济管理中,经常要对某一事物或系统的发展趋势进行预测和分析。而股票市场是经济的报警器,其作用不仅被政府所重视,而且受到投资大众的普遍关注。 起源于上世纪四十年代的人工神经网络是人工智能的一个分支,它在很多领域得到了广泛的应用。神经网络能学习贮存以往的历史经验知识,并能外推到未来,这是神经网络用于预测领域的理论依据。对于时间序列的股市预测,神经网络比其他数学模型更有效,而且精确度更高。 遗传算法具有强大的搜索能力,因此可以用来解决很多常规方法无法解决的问题。遗传算法与神经网络结合后,使得神经网络的结构参数等达到最优,大大地增强了神经网络的性能,使智能计算得到了突飞猛进的发展。因此对遗传算法和神经网络的研究具有很重要的意义。 本文基于股票市场高度非线性的特点,从遗传算法和神经网络的基本理论入手,提出了一种GA-BP算法,来解决基本BP算法在权值调整过程中存在的收敛速度慢、易陷入局部极小点的不足。GA-BP算法具有遗传算法全局搜索的特点,注重搜索未知区域,同时也具有神经网络处理速度快、精度较高的特点。理论分析和实验结果表明,神经网络用于股票市场的预测是可行和有效的,有着良好的前景,而GA-BP算法进一步提高了运行的速度和可靠性。
【图文】：

哈尔滨工程大学硕士学位论文.2基于BP算法的证券预测技术的性能分析下面采用未改进的BP网络进行实验，来说明传统BP算法的缺点，见3.1节，数据未进行预处理，网络的输入结点数和隐层结点数分和16，训练函数为仕ain朗，对70个训练样本进行仿真。训练500000步时，训练目标曲线如图2.2所示。图2.3为28个测试样本的预，其中“+’，表示期望值，‘，o’，，表示预测值。

图3.5数据预处理后的预测本章小结本章首先分析了进行数据预处理的必要性，并说明了本实验数据的来介绍了两种数据预处理的方法:归一化方法和主成分分析的方法。本实验的具体数据，提出一种新的数据预处理方法—数据自身乘归一化。并仿真验证了该数据变换的有效性，但是预测误差还是很一章采用遗传优化后的神经网络模型来预测经过预处理的数据，进预测的精度。
【学位授予单位】：哈尔滨工程大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：F830.91;TP18

【引证文献】

相关硕士学位论文 前1条

1 陆田;基于FPGA技术的神经网络算法实现[D];青岛科技大学;2011年

本文编号：2668517