基于PSO的神经网络模型在股价预测上的研究及应用

发布时间：2020-06-02 05:34

【摘要】： 在对目前国际上股票预测研究的热点之一——人工神经网络进行深入地分析与研究的基础上,针对其收敛速度慢,学习中不具备全局搜索能力,易陷入局部极小,并最终导致股价预测精度不高的问题,本文提出了基于粒子群优化(Particle Swarm Optimization,PSO)的神经网络模型及算法,并对输入变量运用主成分分析法降维处理,以提高算法的效率,与BP神经网络相比,股价预测精度提高较大。主要从事了以下研究工作: (1) BP算法 通过对BP算法的深入研究,运用MATLAB对现实股票的价格进行仿真预测,实验表明其预测精度不高,不能满足实际的要求。 (2) PSO算法 通过对PSO算法改进的讨论和比较,从实际情况出发,确定了带惯性因子的PSO算法做为基于PSO的神经网络算法的基础。 (3)采用主成分分析法对多维变量降维 引入主成分分析法对原始输入变量进行降维处理,选择输入变量的主成分作为网络输入,一方面减少了输入维数,消除了各输入变量的相关性,提高了运算的效率;另一方面提高了网络的收敛性和稳定性,也简化了网络的结构。实验证明:与未经处理的多变量相比,输入变量由原来的15个变成3个,大大减少了输入维数,运行时间减少,预测精度有所提高。 (4)基于PSO的神经网络模型及算法 基于PSO的神经网络模型及算法是本研究的中心,在对BP算法、PSO算法以及主成分分析法深入研究的基础上,提出了基于PSO的神经网络模型及算法。 实验结果表明,在股价预测上,与BP神经网络相比,基于PSO的神经网络模型预测精度更高,且达到实验的预期目的。
【图文】：

人们从理论上证明了具有一个隐层的前馈神经网络就可以逼近任意的连续函数。一个多层前馈神经网络学习结构如图 2.1 所示：输入部 W 输出部实际输出X×教师信号训练部图 2.1 神经网络系统结构系统分为三个部分，输入部分、训练部分和输出部分。输入部分接收外来的输入X，由训练部分进行网络的权系数 W 调整，然后由输出部分输出结果。在这个过期望的输出信号可以作为教师信号输入，，由该教师信号与实际输出进行比较，产差去控制修改权系数 W。其学习结构如图 2.2 所示。

383 S 型激励函数图 5.3 所示的是对数 S 型的激励函数，其输入参数是正负区间内的任意值，而输出被限定在[0,1]之间。这种函数通常应用于反向传播神经网络。对于多层的网络，这种激励函数所划分的区域不是线性划分，是由一个非线性的超平面组成的区域，它是比较柔
【学位授予单位】：新疆大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：F830.91;TP183

【相似文献】

相关期刊论文 前10条

1 杨黎萌,刘开第;BP神经网络在房地产估价中的应用[J];河北建筑科技学院学报;2004年02期

2 李树根;;基于BP神经网络的财务预警方法探究[J];中国管理信息化(会计版);2007年11期

3 张漾滨;向军;;基于BP神经网络的上市公司信用风险评价[J];当代经济(下半月);2008年11期

4 杭秋丽;;模拟电路故障诊断的BP神经网络实现[J];科技创新导报;2009年06期

5 张佩;冯璐;;西安房地产市场分析预测中神经网络技术应用研究[J];科技经济市场;2009年06期

6 金代志;王春霞;石春生;;基于BP神经网络的顾客价值识别研究[J];中国软科学;2009年07期

7 吴劲军;人口预测的BP神经网络模型[J];统计与决策;2004年03期

8 罗兵,黄万杰,杨帅;基于BP神经网络的库存动态预测及其应用[J];重庆大学学报(自然科学版);2005年02期

9 王维国,张静静;基于BP神经网络的货运量预测方法[J];物流技术;2005年07期

10 高丽华;朱邦毅;;基于BP神经网络的中小企业信用评价[J];商场现代化;2006年14期

相关会议论文 前10条

1 马翔;;粒子群优化BP神经网络用于重复记录检测[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

2 吴今培;胡旭川;陈世权;;非线性时间序列动态建模与预测的BP神经网络方法[A];1999年中国智能自动化学术会议论文集（上册）[C];1999年

3 包健;吴迎笑;严义;;神经网络反锐化掩模算法在车牌识别中的应用[A];第三届全国信息获取与处理学术会议论文集[C];2005年

4 吴进华;巫检丰;李莉;;基于BP神经网络的非线性动态系统辨识方法[A];中国航空学会控制与应用第十二届学术年会论文集[C];2006年

5 周扬;翁剑枫;王昕峰;;于BP神经网络多光谱测温仪设计[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

6 齐冬莲;赵光宙;;非线性动力学系统的神经网络内模控制研究[A];第11届全国电气自动化电控系统学术年会论文集[C];2002年

7 汪渤;闫杰;高洪民;;惯性导航系统传递对准技术研究[A];中国惯性技术学会光电技术专业委员会第五次学术交流会暨重庆惯性技术学会第九次学术交流会论文集[C];2002年

8 甄洪斌;张晓锋;沈兵;何必;杨华;;基于BP神经网络的舰船电力系统暂态稳定性分析[A];现代船舶机电维修技术（2005）[C];2005年

9 孟科;李绍军;钱锋;;实数编码免疫算法在溶剂脱水塔软测量中的应用[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年

10 罗小波;刘明皓;;基于优化的BP神经网络遥感影像分类[A];2006年中国土地学会学术年会论文集[C];2006年

相关重要报纸文章 前3条

1 费振波 武英举 本报记者 吴利红;金星软硬件开发齐头并进[N];黑龙江日报;2004年

2 ;通用数字视觉平台JVISION-500[N];科技日报;2003年

3 汽车行业“十五”规划研究课题组;“十五”摩托车市场需求预测[N];中国机电日报;2000年

相关博士学位论文 前10条

1 窦全胜;求解优化问题的演化计算方法研究[D];吉林大学;2005年

2 刘丽;人工免疫网络研究及应用[D];江南大学;2008年

3 李磊;六自由度并联平台位置正解及控制方法研究[D];哈尔滨工程大学;2008年

4 马瑞新;基于粒子群的网络社区动态角色挖掘研究[D];大连理工大学;2012年

5 陈虹;分离流动的电磁力主动控制[D];华中科技大学;2011年

6 林川;粒子群优化与差分进化算法研究及其应用[D];西南交通大学;2009年

7 韩晓霞;混沌与支持向量机结合的多相催化建模与优化研究[D];太原理工大学;2010年

8 柯晶;强跟踪状态估计与群集辨识[D];浙江大学;2003年

9 王昌全;成都平原城市化土壤重（类）金属演变及其环境效应研究[D];西南农业大学;2005年

10 时小虎;Elman神经网络与进化算法的若干理论研究及应用[D];吉林大学;2006年

相关硕士学位论文 前10条

1 田军;基于PSO的神经网络模型在股价预测上的研究及应用[D];新疆大学;2008年

2 郭阳;PSO-BP神经网络在商业银行信用风险评估中的应用研究[D];厦门大学;2009年

3 黄继红;基于改进PSO的BP网络的研究及应用[D];长沙理工大学;2008年

4 雷烨;基于粒子群最小二乘支持向量机的故障诊断算法研究[D];兰州交通大学;2010年

5 马培培;基于粒子群的图像阈值化分割的研究及应用[D];合肥工业大学;2010年

6 姚杰;基于PSO混沌神经网络电力系统负荷预测[D];大庆石油学院;2009年

7 刘杨;粒子群优化算法在电力系统无功优化中的应用[D];天津大学;2005年

8 任晓娜;DNA计算中的编码设计优化算法[D];湖南大学;2010年

9 王琳;基于粒子群优化的数据流挖掘的聚类算法分析[D];长沙理工大学;2010年

10 杨治明;人工神经网络及其在图像识别中的应用研究[D];重庆大学;2003年

本文编号：2692685