证券价格的预测方法研究

发布时间：2021-12-02 01:02

　　我国证券市场发展迅速。证券数据预测方法多种多样。其中,基于定量分析的证券预测方法又分为线性和非线性预测方法。线性方法用于证券价格预测常带有某种局限。当今非线性方法越来越丰富,而且在证券市场中表现出其良好的预测优势。本文简要的介绍了线性和非线性预测方法及其现状,随后详细阐述了非线性预测方法中神经网络预测方法和小波神经网络预测方法的研究及应用情况,然后以线性时间序列建模,对长江电力股份收盘价进行了预测分析。人工神经网络有强大的非线性处理能力。它在多领域得到了较深入的应用。利用神经网络强大的非线性映射能力,本文使用人工神经网络中使用最频繁的Bp算法（反向传播算法）建立三层网络,对长江电力股份收盘价进行预测分析。最后,根据收盘价曲线,构建小波神经网络对长江电力股份收盘价进行预测分析。在构建小波神经网络过程中,本文讨论了小波神经网络的参数初始化设置方法,并将自适应步长算法应用到小波神经网络的学习过程中。通过三种证券价格预测方法的比较分析,进行了总结。非线性方法在证券预测中常可达到比线性方法预测更高的预测精度;小波神经网络有自学习的特点,较传统的神经网络具有收敛速度快,精度高等优点,在非线性经济预... 

【文章来源】：南京信息工程大学江苏省

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

Autoreg预测模型与实际值对照图

平平平平平平平平平平平平平平平平平平平平平平平平平平平平平平方和和实实际值值9.53339.42229.50009.53339.400000AAAutoreg预测值值9.41119.60009.13339.68888.96660.399888利用该模型预测值与实际值的对照如图2一2所示:图2一2Autoreg预测模型与实际值对照图预测结果与实际值的输出误差如图2一3所示:图2一3预测结果输出误差图

平研口口实实际值值9.53339.42229.50009.53339.400000AAAutoreg预测值值9.43339.52229.62229.46669.12220.117777利用A租MA模型预测值与实际值的对照如图2一4所示:图2一4AR工MA预测模型预测值与实际值对照图预测结果与实际值的输出误差如图2一5所示:

【参考文献】：
期刊论文
[1]基于小波网络的非线性经济时序预测模型[J]. 方先明,唐德善.  河海大学学报(自然科学版). 2004(03)
[2]基于BP神经网络的经济预测方法[J]. 欧邦才.  南京工程学院学报(自然科学版). 2004(02)
[3]基于小波分析和神经网络的埋地管道防护层现场检测与评价方法[J]. 高志明,宋诗哲,王守琰,陈世利,赖广森.  化工学报. 2004(05)
[4]基于小波神经网络的时间序列预报方法及应用[J]. 吕淑萍,赵咏梅.  哈尔滨工程大学学报. 2004(02)
[5]基于误差反传小波神经网络的船舶横摇时间序列预报[J]. 李晖,郭晨,李晓方.  系统仿真学报. 2003(11)
[6]鲁棒控制理论应用于宏观经济系统分析[J]. 肖冬荣,陆振宇.  控制与决策. 2002(05)
[7]一种改进的基于混沌搜索策略的小波神经网络遗传学习算法[J]. 江亚东,吴竹青,陈因颀,江月.  装备指挥技术学院学报. 2002(02)
[8]基于神经网络动态非线性非平稳经济系统预测[J]. 顾成奎,王正欧.  系统工程学报. 2002(02)
[9]神经网络经济预测法研究[J]. 张晓红.  预测. 2001(06)
[10]人工神经网络及其在金融预报中的应用(英文)[J]. 谢衷洁,黄香,叶伟彰,刘亚利.  北京大学学报(自然科学版). 2001(03)



本文编号：3527409