基于改进BP神经网络的上证指数预测

发布时间：2021-03-28 20:59

　　证券市场作为现代经济重要的组成部分,如何能够准确地分析和预测市场走势一直受到人们的关注。建立一个准确度比较高的股市预测模型对于金融投资及宏观经济调控等都具有重大的实用价值。随着证券市场混沌和分形理论的逐步确立,人们开始利用神经网络对证券市场的变动加以预测。神经网络是一种重要的人工智能技术,在应用上已经迅速扩展到包括金融时序分析在内的许多重要领域中。本文证明了我国上证指数长期以来存在的分形特征,指出了使用神经网络对其走势进行预测的可行性。同时,试图使用基于BP（Back Propagation）算法的神经网络进行预测。BP神经网络是一种被广泛运用的神经网络。它的核心是BP算法,一种对于多个基本子系统构成的大系统进行微商计算的严格而有效的方法;结构简单,算法成熟。但是BP算法本身也存在学习速度慢,容易陷入局部极小值等的缺陷。在近年来我国一些使用BP算法以及其他类型算法的神经网络进行证券走势预测的研究中,都存在着预测结果精度不高,预测的时间跨度短等众多不足。本文的作者在基于传统的BP算法的三层向前神经网络的基础上,对原有的预测方法做出了一些改进,引入了遗传算法,训练噪声等;使用了多个神经网络... 

【文章来源】：厦门大学福建省 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】：
内容摘要
ABSTRACT
前言
第一章 股票市场的分形特征及其指数的预测方法
    第一节 股票市场的分形特征
        一 传统的有效市场假说
        二 分形市场的假说（FMH）
    第二节 分形市场的判断
        一 分形市场的常用判断方法
        二 使用R/S 法计算Hurst 指数
        三 上证指数序列的Hurst 值的计算
        四 R/S 计算的结果分析
    第三节 常用的混沌时间序列分析预测方法
        一 传统的时序预测法
        二 使用神经网络预测时序
    第四节 基于神经网络的证券指数预测研究的简述
        一 目前部分模型对上证指数预测的结果
        二 现有预测模型存在的不足
第二章 具有分形特征的时间数列的神经网络对预测
    第一节 神经网络的基本原理
        一 人工神经网络的历史
        二 神经网络的特点
        三 神经网络的基本原理
    第二节 基于BP算法的三层向前的神经网络
        一 多层次的神经网络
        二 BP网络的基本原理
第三章 对BP神经网络的改进
    第一节 BP网络的缺陷
    第二节 与BP算法相结合的遗传算法
        一 遗传算法简介
        二 遗传算法的基本原理
        三 遗传算法与传统BP神经网络的结合
    第三节 在样本输入中添加随机噪声
        一 添加随机噪声的目的
        二 对训练样本添加噪声的一个示例
    第四节 多个神经网络集成预测
        一 单个神经网络进行预测的缺陷
        二 集成神经网络的误差分析
第四章 实证结果及其分析
    第一节 神经网络结构设计
    第二节 利用BP神经网络预测上证指数的流程
        一 数据的预训练和测试
        二 训练过程
        三 预测过程
    第三节 实际预测结果
        一 按时间划分序列的模拟预测
        二 按价格变化幅度划分序列的模拟预测
    第四节 对预测结果的分析和思考
        一 预测模型的缺陷
        二 对现有预测模型改进的设想
    第五节 总结
参考文献


【参考文献】：
期刊论文
[1]分形市场假说下的风险度量[J]. 陈永忠.  经济师. 2004(08)
[2]混沌时序重构及上海股票指数预测的应用研究[J]. 马军海,齐二石,莫馨.  系统工程理论与实践. 2003(12)
[3]基于混沌时间序列分析的股票价格预测[J]. 程瑜蓉,郭双冰.  电子科技大学学报. 2003(04)
[4]金融市场的非线性:混沌与分形[J]. 吴恒煜,林祥.  商业研究. 2003(07)
[5]BP人工神经网络:金融风险预警新视角[J]. 胡燕京,高会丽,徐建锋.  重庆工商大学学报.西部经济论坛. 2003(01)
[6]基于遗传算法的BP网络全局收敛的混合智能学习算法[J]. 熊凌,赵明旺.  武汉科技大学学报(自然科学版). 2000(02)
[7]依据混沌理论进行非线性系统建模变量个数的最优选取[J]. 郭刚,史忠科,戴冠中.  控制与决策. 2000(02)
[8]上证指数的混沌特性分析[J]. 叶中行,杨利平.  上海交通大学学报. 1998(03)



本文编号：3106232