基于BP神经网络的股价预测研究

发布时间：2017-04-07 10:27

  本文关键词：基于BP神经网络的股价预测研究，，由笔耕文化传播整理发布。

【摘要】：股市是现代金融市场的一个重要组成部分,股票价格不仅受到公司内部因素的影响,还受到宏观经济因素和市场因素的影响.由于众多因素的影响,投资者很难把握股价的变化规律.所以建立一个能够较好预测股票未来价格的模型,对投资者来说有实际应用价值.BP神经网络通过对股价历史数据的学习,将股价变化的规律存储在神经元的权值中,通过训练好的网络预测未来股价.本文首先改进了激励函数,使用新的激励函数建立基于BP神经网络的单变量预测模型,并验证了激励函数的有效性.结合周末效应确定输入数据和目标输出的拟合模式,预测结果不太理想.然后改进输入数据和目标输出的拟合模式,预测误差明显减小,但是改进后的拟合模式每次只能预测一个未来股票价格.通过实证确定模型最优的参数后推广至连续预测,短期内连续预测精度可以接受.最后使用时间序列的拟合模式,预测的误差更小,通过选取合适的输入层神经元数量,能将误差控制在较小范围内,表明该拟合模式在单变量预测模型里是最优的.确定最优拟合模式,建立单变量动态预测模型,加入决策函数和状态函数进行投资决策,策略收益率明显高于个股和指数收益率,取得了超额收益.将单变量模型推广到多变量模型,并加入新变量开盘价、最高价和最低价,根据输出方式的不同分为多输出和单输出两种模型.在多输出模型中确定最优的变量组合为开盘价和收盘价两个变量.而在单输出模型中,确定使用四个变量的预测精度更高.在预测效果上,两个模型均能够实现较好的预测结果,并且各有优劣.分别将两个模型推广到动态预测模型,并结合投资策略,两种模型均取得了超额收益,说明模型是有效的.
【关键词】：股价预测 神经网络 BP算法 时间序列 拟合模式
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;TP183
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 绪论11-14
• 1.1 引言11
• 1.2 研究现状11-13
• 1.3 本文研究内容与结构13-14
• 第2章 理论基础14-22
• 2.1 影响股票价值投资的因素14-15
• 2.2 股票价格的预测基础15
• 2.3 神经网络15-21
• 2.3.1 BP神经网络17-18
• 2.3.2 BP算法的学习过程18-20
• 2.3.3 改进的BP算法20-21
• 2.4 本章小结21-22
• 第3章 基于BP神经网络的单变量预测模型22-34
• 3.1 改进的激励函数22-23
• 3.2 基于BP神经网络的单变量预测23-26
• 3.2.1 基于BP神经网络的单变量预测原理23-24
• 3.2.2 结合周末效应的单变量预测模型的建立24-25
• 3.2.3 模型仿真与结果分析25-26
• 3.3 单变量滚动预测26-29
• 3.3.1 模型仿真与结果分析27
• 3.3.2 样本容量和输入层神经元数量对预测误差的影响27-28
• 3.3.3 连续预测与结果分析28-29
• 3.4 单变量时间序列预测29-30
• 3.4.1 单变量时间序列预测原理30
• 3.4.2 模型仿真与结果分析30
• 3.5 单变量动态预测投资模型30-32
• 3.5.1 动态预测的原理30-31
• 3.5.2 投资策略与评价指标31-32
• 3.5.3 模型仿真与结果分析32
• 3.6 本章小结32-34
• 第4章 基于BP神经网络的多变量预测模型34-40
• 4.1 单输出预测模型34-35
• 4.1.1 单输出预测的原理34
• 4.1.2 模型仿真与结果分析34-35
• 4.2 单输出动态预测投资模型35-36
• 4.2.1 模型仿真与结果分析35-36
• 4.3 多输出预测模型36-37
• 4.3.1 多输出预测的原理36
• 4.3.2 模型仿真与结果分析36-37
• 4.4 多输出动态预测投资模型37-39
• 4.4.1 投资策略37-38
• 4.4.2 模型仿真与结果分析38-39
• 4.5 本章小结39-40
• 结论与展望40-41
• 参考文献41-44
• 致谢44-45
• 攻读学位期间发表论文情况45

【参考文献】

中国期刊全文数据库 前1条

1 吴微,陈维强,刘波;用BP神经网络预测股票市场涨跌[J];大连理工大学学报;2001年01期

中国硕士学位论文全文数据库 前1条

1 李墨;我国股票价格与会计信息的相关性研究[D];财政部财政科学研究所;2013年

  本文关键词：基于BP神经网络的股价预测研究，由笔耕文化传播整理发布。

本文编号：290267