基于遗传神经网络的上证股票指数预测

发布时间：2020-11-06 19:10

　　 股票市场风云迭起，股票价格起伏跌宕，投资者渴望能够准确分析和预测股票价格，以便获取丰厚的收益。于是各种股票价格分析预测和方法应运而生。如何建立一个成功率比较高的预测模型，是多年来许多学者一直研究的内容。 神经网络作为一种重要的人工智能技术，广泛运用于信号处理、模式识别、系统辨认、自适应控制等领域。也应用于经济景气分析、时间序列、证券组合优化等领域，并取得了常规经济学研究方法所不能得到的效果。现在使用得最广泛的神经网络是BP(Back Propagation)网络，主要原因是因为它不需要研究对象的先验知识，其原理和结构都比较简单，且具有学习、记忆、联想、容错、并行处理等能力。在准确地提取了样本的基础上，能够掌握研究系统的特征。然而BP网络算法是建立在梯度下降算法的基础上，从而不可避免地导致以下三个缺点：1、学习过程收敛速度慢，2容易陷入局部极小点，3、鲁棒性不高。这些缺点使BP神经网络在一些复杂的非线性系统的模拟方面存在着致命的弱点。 近年来，一种新的优化搜索算法—遗传算法正在迅速发展。遗传算法以其很强的搜索优化能力和广泛的适应性渗透到各个领域，并取得了良好的效果。 本文提出了股票指数预测的一种方法。该方法结合了BP神经网络和遗传算法的优点。 具体而言，本书共分三章。 第一章是国内外股票市场的主要特征及股票指数预测方法述评。首先讨论了国内外在股票市场特性方面的研究成果，从而为本文的遗传神经网 络预测建立理论基础；其次评价了国内外对于股票行情预测所采用的方法。 第二章是股票指数预测模型的构建。通过将人工神经网络和遗传算法 的优点结合起来，建立了遗传神经网络的股票指数预测模型。 第三章是预测结果分析和模型改进意见。首先对预测结果进行分析、 评价。其次是对遗传神经网络预测模型提出改进意见，再次是结论和本模 型的经济意义。 附录讨论了本文的股票预测方法所用到的BP算法和遗传算法，评价了 它们各自的数学基础和优、缺点。
【学位单位】：厦门大学
【学位级别】：硕士
【学位年份】：2002
【中图分类】：F830.91
【文章目录】：
引言
第一章 股票市场的特征及股票指数预测方法述评
    第一节 股票市场的主要特征
    第二节 股票预测方法述评
    第三节 神经网络预测方法述评
第二章 遗传神经网络预测模型的构建
    第一节 人工神经网络和遗传算法的结合
    第二节 遗传神经网络算法的设计
    第三节 遗传神经网络结构的设计
    第四节 遗传神经网络预测流程
第三章 预测结果分析和模型改进意见
    第一节 预测结果分析
    第二节 预测模型的改进
    第三节 结论
附录 BP算法和标准遗传算法介绍
    第一节 BP算法
    第二节 标准遗传算法
参考文献
后记

【引证文献】

相关硕士学位论文 前3条

1 朱飞;基于多指数对股票收益波动的实证研究[D];东北财经大学;2010年

2 汪顺伟;基于PCA-BP模型的上证综指预测研究[D];西南石油大学;2011年

3 左辉;基于事件研究的股票数据挖掘[D];西南交通大学;2008年

本文编号：2873549