基于神经网络和模糊理论的股市分析、预测与决策

发布时间：2021-01-13 07:50

　　股票市场是一个复杂的非线性动态系统，利用传统的时间序列预测技术很难揭示其内在的规律。在分析考察传统预测分析方法的基础上，本文提出了一个面向股市分析、预测和决策，由神经网络和模糊理论组合的系统，并针对系统性能的改善和提高进行了深入研究。在对前馈神经网络的训练中，使用参数自适应方法实现了学习率、惯性因子的自我调节，以避免系统误差陷入局部最小，加快网络的收敛速度；提出了优化BP网络结构的实验研究方法，将该算法同传统BP算法的预测偏差平方和进行比较，结果证实网络的逼近精度及泛化能力均得到了极大的提高和改善。作者采用上述优化算法，对深市和沪市的股票价格进行了基于模糊参量的神经网络模拟，为全面反映股市价格变化进行了有益的探索。 本文将模糊理论引入股市，以模糊数学中隶属度的方式对原始变量进行了量化定义和分析，该方法为进一步明确描述动态的股市行情开辟了新的思路。 与传统股市分析方法相比，本文将预测分析和决策分析操作有机联系在一起，从实用角度出发，为广大投资者建立了有效的预测决策分析系统。 大量实验结果表明，对系统的结构参数、算法参数、模糊判决等方面的分析和优化进一步提高了系统的泛化能... 

【文章来源】：北京工业大学北京市 211工程院校

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

图2一5两种算法的偏差平方和比较曲线

第5章系统分析与设计图5一1原始数据图5一2拟合后的数据Figures一1originaldataFi即res一2DataafterapProximation第二步:本文是应用神经网络进行短期预测分析，这就需要对神经网络的传递函数的适用范围有所了解，在进行神经网络预测之前，为避免原始数据过大造成网络麻痹，所以要对原始数据进行归一化处理，对于预测值，由于变化幅度较大，也不宜直接作为神经网络的输出，因此仍需进行必要的规划。归一化的算法很多，在本系统中，神经网络的传递函数是基于S型的函数，其输入范围在区间【0，1]最佳。采用如下的算法:要求将数据归一化到[0

北京工业大学工学硕士学位论文显然，这是原始数据进行归一化的逆过程。图5一3原始数据曲线图5一归一化后数据曲线Figures一3TheoriginaldataeurveFigures一Thedataeurveafterpreproeess第三步:在第二步中采用标准的归一化方法将数据规范到〔0，l』区间，但是规范后的每个数据序列中至少有一个值为0，一个值为1，恰好是S形函数的极小值和极大值，要求联接权足够大才能使网络的输出值与其匹配，从而需要相当多的训练次数来不断修正权值，导致训练速度缓慢。为避免这种现象，设计时要留出一定的裕量，建议将区间【0

【参考文献】：
期刊论文
[1]模糊控制理论和应用的发展概况[J]. 崔涛,赵莉.  自动化仪表. 2002(07)
[2]BP神经网络应用中的前后处理过程研究[J]. 陈小前,罗世彬,王振国,陶玉静.  系统工程理论与实践. 2002(01)
[3]关于模糊控制理论与应用的若干问题[J]. 应浩.  自动化学报. 2001(04)
[4]金融工程:信息与控制领域的挑战[J]. 黄小原.  信息与控制. 2001(02)
[5]用BP神经网络预测股票市场涨跌[J]. 吴微,陈维强,刘波.  大连理工大学学报. 2001(01)
[6]一种新的神经网络学习算法[J]. 王继成.  计算机工程与科学. 2000(03)
[7]一种模糊神经计算模型:结构、算法与功能[J]. 阮晓钢.  北京工业大学学报. 2000(01)
[8]神经网络在预测中的一些应用研究[J]. 刘豹,胡代平.  系统工程学报. 1999(04)
[9]模糊神经网络研究[J]. 谢维信,钱沄涛.  深圳大学学报. 1999(Z1)
[10]基于神经网络的股市预测[J]. 刘新勇,贺江峰,孟祥泽,陈增强,袁著祉.  南开大学学报(自然科学版). 1998(03)



本文编号：2974512