基于神经网络的上证指数预测研究

发布时间：2017-09-13 05:20

  本文关键词：基于神经网络的上证指数预测研究

  更多相关文章： 股价预测 BP神经网络 主成分分析 SOM神经网络

【摘要】：股票市场作为社会经济发展起到重要的融资和资源配置作用,其相对稳定收益性和适中的风险性吸引越来越多的投资者参与其中,如何有效地分析和预测股市走势已经成为人们关注研究的问题,传统的分析方法已经被广泛采用,不过人为因素是传统方法无法避免的问题,人工神经网络由于其独特的结构和处理信息的方法,高度并行、分布式存储等特点,特别适合于处理不确定的模糊信息和要同时考虑许多因素条件的问题,为股市预测提供了一条量化分析的有效方法。但是,对于复杂问题和高维输入变量,直接用神经网络进行预测,会带来网络规模的剧增,运算时间的增加,网络的收敛性和泛化能力的降低;另一方面,由于预测因子之间的相关性,导致输入信息重叠,也使得模型预报的准确率降低,因此,应对此类样本和众多的预报因子进行必要的处理。本文针对股市中收盘价的预测问题,为提高预测精度和网络训练的效率,对众多的预报因子采用主成分分析的方法进行降维处理,对于大样本数据用SOM神经网络进行分类,对于分类后的各个子类,分别建立与之对应的BP神经网络预测模型;在实际预测时,要对实时数据进行判别分类,选择对应的模型进行预测输出。这样,将BP神经网络、主成分分析、SOM神经网络有机地结合起来,构建了股市收盘价的实时组合预测模型。通过实证研究证明了经过改进的BP神经网络模型对股价预测的有效性。
【关键词】：股价预测 BP神经网络 主成分分析 SOM神经网络
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F830.91;TP183
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-13
• 1.1 研究背景9-10
• 1.2 股票价格预测的研究现状10-11
• 1.2.1 股票价格预测的国外研究现状10-11
• 1.2.2 股票价格预测的国内研究现状11
• 1.3 本文的研究意义11-12
• 1.4 本章小结12-13
• 第二章 股价预测的基本理论与方法13-17
• 2.1 股票价格的影响因素13
• 2.2 股票价格预测常用基本方法13-15
• 2.2.1 市场的基本分析技术13-14
• 2.2.2 市场的技术分析及图表技术14
• 2.2.3 投资组合分析法14-15
• 2.3 神经网络股价预测的优势15-16
• 2.4 本章小结16-17
• 第三章 神经网络与主成分分析17-32
• 3.1 BP神经网络的基本原理17-23
• 3.1.1 人工神经元介绍17
• 3.1.2 BP神经网络算法17-20
• 3.1.3 BP神经网络的改进20-22
• 3.1.4 BP神经网络功能22-23
• 3.2 主成分分析法23-26
• 3.2.1 主成分分析基本思想23
• 3.2.2 主成分分析法的主成分分析的数学模型23-25
• 3.2.3 主成分计算步骤25-26
• 3.2.4 主成分分析法的评价26
• 3.3 SOM自组织特征映射神经网络26-31
• 3.3.1 竞争学习算法基础27-30
• 3.3.2 SOM神经网络模型与算法30-31
• 3.4 本章小结31-32
• 第四章 神经网络的预测模型的设计32-37
• 4.1 BP神经网络结构参数的设计32-33
• 4.2 主成分—BP神经网络的股票预测系统33-34
• 4.3 SOM—BP集成神经网络34-35
• 4.4 基于神经网络和主成分分析的组合预测模型35-36
• 4.5 本章小结36-37
• 第五章 PSO优化的BP神经网络预测模型37-47
• 5.1 粒子群算法概述37-41
• 5.1.1 基本粒子群算法37-38
• 5.1.2 PSO算法中的参数设置38-39
• 5.1.3 粒子群算法优化39-41
• 5.2 基于PSO优化的BP神经网络预测模型41-46
• 5.3 本章小结46-47
• 第六章 实证分析47-62
• 6.1 样本数据选择47-49
• 6.2 样本数据预处理49-50
• 6.3 神经网络预测模型训练与预测50-61
• 6.3.1 BP神经网络预测实证结果50-54
• 6.3.2 主成分—BP神经网络预测实证结果54-57
• 6.3.3 SOM—BP神经网络预测实证结果57-61
• 6.4 本章小结61-62
• 第七章 总结与展望62-63
• 参考文献63-67
• 致谢67-68
• 附件68

【参考文献】

中国期刊全文数据库 前10条

1 龙训建;钱鞠;梁川;;基于主成分分析的BP神经网络及其在需水预测中的应用[J];成都理工大学学报(自然科学版);2010年02期

2 赵胜利;吴雅琴;刘燕;刘永建;白永兵;;基于SOM-BP复合神经网络的边坡稳定性分析[J];河北农业大学学报;2007年03期

3 王崇倡;武文波;张建平;;基于BP神经网络的遥感影像分类方法[J];辽宁工程技术大学学报(自然科学版);2009年01期

4 肖汉;王国利;王本德;;基于因子分析的BP神经网络在需水预测中的应用[J];甘肃农业大学学报;2012年05期

5 朱永明;邵庚云;;基于BP神经网络的股价趋势预测——以房地产开发上市公司为例[J];财会月刊;2013年14期

6 赵相东;张浩;嵇晓;张辉;;支持向量机在天然气企业产量预测中的应用[J];计算机工程与应用;2008年35期

7 智晶;张冬梅;姜鹏飞;;基于主成分的遗传神经网络股票指数预测研究[J];计算机工程与应用;2009年26期

8 胡群革,郑天柱,黄胜伟;BP神经网络快速学习算法及其应用[J];计算机与现代化;2001年04期

9 林俊,章兢;反向传播神经网络收敛性的探讨[J];计算机与现代化;2005年07期

10 杜习瑞;张树哲;李迎春;;几种证券投资分析方法的比较[J];辽宁经济;2007年01期

中国硕士学位论文全文数据库 前1条

1 胡诚;基于神经网络的电动工具运行参数的预测及控制[D];苏州大学;2009年

，

本文编号：841755