基于神经网络和模糊理论的股票指数收益率预测分析

发布时间：2021-02-04 10:28

　　股票市场建立一百多年以来,对股票价格的准确预测一直是众多投资者和学者梦寐以求的目标,然而影响股票价格的因素非常之多,各因素的影响程度、时间范围和方式又不尽相同,造成异常复杂的价格波动变化,使对其准确预测变成一件异常困难的任务。尽管如此,由准确预测寻求套利的机会从而获得超额的收益吸引着一代又一代的学者和投资者进行研究和实践,他们不断的从不同角度、不同理论、不同投资策略和不同的实际经验中发展出了众多的预测方法。 本文主要是对神经网络和模糊理论在股票市场的应用研究。（1） 本文首先利用深圳股票市场的股价指数收益率作为研究样本,建立神经网络预测模型,在模型中包括有BP神经网络和GARCH波动变量,透过不同的准则方式,分析中国股票市场的价格变化情况,并对股票价格预测问题进行了一定程度的探讨。实证研究结果表明,加入GARCH波动变量后的BP-GARCH神经网络模型无论是在对股票指数收益率估计样本和测试样本的误差分析方面,还是在对预测符号的准确性方面都优于BP神经网络。（2） 本文提出了一种基于可解释性模糊模型的股票指数收益率预测方法。首先利用改进的模糊聚类算法辨识初始模糊模型,采用聚类有效性... 

【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
插图索引
附表索引
第1章 绪论
    1.1 研究背景和选题意义
    1.2 文献综述
    1.3 本文研究内容
第2章 神经网络和模糊理论综述
    2.1 神经网络
        2.1.1 神经网络的特点
        2.1.2 神经网络模型
        2.1.3 神经网络的学习算法
    2.2 模糊理论
        2.2.1 模糊集合
        2.2.2 隶属函数
        2.2.3 模糊逻辑系统
    2.3 神经网络与模糊理论的结合
第3章 基于神经网络的股指收益率预测分析
    3.1 BP神经网络模型
    3.2 加入GARCH变量的BP神经网络（BP-GARCH）
    3.3 预测模型绩效评定方法
    3.4 实证结果分析
第4章 基于模糊理论的股指收益率预测分析
    4.1 模糊预测模型
    4.2 模糊预测建模方法
        4.2.1 聚类有效性函数
        4.2.2 基于改进聚类算法的模糊建模方法
        4.2.3 模糊集合的相似性融合
        4.2.4 模糊模型的整体优化
    4.3 股指收益率的模糊预测
结论
参考文献
致谢
附录A （攻读学位期间所发表的学术论文目录）


【参考文献】：
期刊论文
[1]基于模糊神经网络和R/S分析的股票市场多步预测[J]. 杨一文,刘贵忠,蔡毓.  系统工程理论与实践. 2003(03)
[2]基于小波包和神经网络的股票价格预测模型[J]. 常松,何建敏.  中国管理科学. 2001(05)
[3]人工神经网络在资本市场预测中的应用[J]. 曾勇,唐小我.  管理工程学报. 1999(04)
[4]径向基神经网络在股市预测中的应用[J]. 王上飞,周佩玲,吴耿峰,付忠谦,储阅春,沈谦.  预测. 1998(06)
[5]用神经网络方法预测股票短期走势[J]. 林杰,郭耀煌.  西南交通大学学报. 1998(03)
[6]证券市场预测的神经网络方法[J]. 赵宏邹,雯汪浩.  系统工程理论与实践. 1997(06)
[7]基于神经网络的股市预测[J]. 赵建,邵永革,黄炯,杨静宇.  计算机研究与发展. 1996(09)



本文编号：3018163