基于LM-BP神经网络股票预测研究

发布时间：2017-03-18 08:06

  本文关键词：基于LM-BP神经网络股票预测研究，由笔耕文化传播整理发布。

【摘要】：股票市场经过数载发展,在市场经济中占据了越来越重要的地位。股票市场的建立和发展,不仅受国家经济的影响,也为国家的经济建设时时刻刻在做着贡献。然而,股票投资市场并不十分稳定和平稳,成交量和价格方面总有着意料外的波动。股票市场是股票投资者进行交易的平台,无形中在投资者和筹资者之间搭建了利润提升的桥梁。在股票市场上,筹资者公开募股,发行股票,为长期的资金来源提供了保障;与此同时,投资者通过购买公开募股的股票,相当于与公司共发展,上市公司的优劣直接会影响投资者的收益。由于投资者们的心理状态以及投资偏好都不尽相同,故也会选择不同的投资组合,也会承担不同的投资风险。然而,这样的投资也不是一直稳赚不赔的,股票市场波动性很大,投机成分强,股票市场缺乏效率,稳定性差,这些都会危及到股票本身的进一步发展。股票市场的效率体现在上市公司能够合理分配资金并将资金的利用率提升到最大,从而争取更多利润的能力。可是,大量的实证证明,股票市场并不是十分有效的。然而,股价的走势也有一定的规律性可言,这体现在这种走势可以通过非线性函数进行描述,那么也就是可以预测的。影响股价的因素多种多样,对股票所起的作用也复杂多变,为了更加准确的进行预测,将人工神经网络引入到了金融预测领域。原则上,对于连续函数,神经网络能在一定的精度范围内实现良好的训练。人工神经网络可以解决黑箱问题,它回避了数据变化的内在原因,更加科学地通过特定的学习样本进行机器训练,建立一种模型来描述输出与输入变量之间的联系。因此,研究基于神经网络的股票预测问题,不仅具有理论意义,也具有重要的现实意义和参考价值。本文对现有的股票预测方法、BP神经网络及其存在的问题、LM-BP神经网络算法、LM-BP神经网络对股价预测等问题进行了系统研究。在研究过程中,取得的成果主要有:(1)对股票市场特点和股票预测方法进行分析,指出了这种方法的优缺点。(2)针对股票价格预测数据量大,应用标准BP神经网络运算速度慢的问题,推导给出了LM-BP神经网络算法,并设计开发了LM-BP神经网络计算程序。(3)应用LM-BP神经网络预测了美国纳斯达克证券交易所挂牌上市的智联招聘股票的开盘价、最高价、最低价、收盘价走势。预测结果表明,预测精度较高,开盘价格平均相对误差为0.88%,最高价平均相对误差为1.25%,最低价平均相对误差为1.26%,收盘价平均相对误差为1.4%。(4)在预测的基础上,计算给出了移动平均线(MA)、乖离率(BIAS)、相对强弱指标(RSI)、随机指标(KDJ)、人气指标(BOV)、威廉指标(WR),并画出了移动平均线(MA)、乖离率(BIAS)、相对强弱指标(RSI)、随机指标(KDJ)、人气指标(BOV)、威廉指标(WR)曲线,为投资者决策提供参考。最后,本文对股票市场预测问题进行了展望。
【关键词】：股票价格 预测 BP神经网络 LM-BP神经网络
【学位授予单位】：东北农业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F831.51;TP18
【目录】：

• 摘要8-9
• 英文摘要9-11
• 1 前言11-15
• 1.1 课题的研究背景11
• 1.2 本文研究目的与意义11-12
• 1.3 股票价格预测的国内外现状12-13
• 1.4 本文研究内容方法和技术路线13-15
• 2 概念确定与预测方法分析15-30
• 2.1 股票基础概念15-22
• 2.1.1 股票的概念和性质15-16
• 2.1.2 股价的影响因素16-18
• 2.1.3 股票术语和技术指标18-21
• 2.1.4 国内外股票市场的对比及面临问题21-22
• 2.2 股价预测的基本方法22-28
• 2.2.1 基本分析法22-23
• 2.2.2 技术分析法23-25
• 2.2.3 数量分析法25-28
• 2.3 股票预测方法的选择28-30
• 3 标准BP神经网络及其分析30-45
• 3.1 人工神经元模型30
• 3.2 神经网络分析30-32
• 3.3 神经网络的学习方式32-34
• 3.4 BP神经网络基本结构34-35
• 3.5 标准BP神经网络训练过程35-43
• 3.6 标准BP神经网络存在的不足43
• 3.7 BP神经网络用于预测时存在的问题分析43-45
• 4 LM-BP神经网络45-56
• 4.1 牛顿法的基本原理45
• 4.2 LM-BP神经网络算法45-46
• 4.3 雅克比矩阵的计算46-48
• 4.4 隐含层到输出层权值偏导数计算48-50
• 4.5 输出层阈值偏导数计算50-51
• 4.6 输入层到隐含层权值偏导数计算51-54
• 4.7 隐含层阈值偏导数计算54-56
• 5 基于BP神经网络的时间序列预测方法预测股票研究56-62
• 5.1 时间序列和时间序列预测的概念56
• 5.2 基于BP神经网络时间序列预测方法56-59
• 5.2.1 确定网络结构57-59
• 5.2.2 基于BP神经网络的时间序列的输入输出模式59
• 5.3 基于BP神经网络股票预测59-61
• 5.3.1 网络结构59-60
• 5.3.2 输入输出模式60-61
• 5.4 算法流程图61-62
• 6 基于BP神经网络的股票预测研究62-72
• 6.1 问题描述62
• 6.2 样本的输入输出模式62-63
• 6.3 训练样本与测试样本的确定63-64
• 6.4 网络训练及拟合精度分析64-70
• 6.5 股票价格预测70-72
• 7 股票相关指标计算及变化趋势分析72-78
• 7.1 移动平均线趋势变化及分析72-73
• 7.2 人气指标趋势变化及分析73-74
• 7.3 乖离率趋势变化及分析74-75
• 7.4 相对强弱指标趋势变化及分析75-76
• 7.5 威廉指标趋势变化及分析76-78
• 8 结论与展望78-79
• 8.1 结论78
• 8.2 创新点78
• 8.3 展望78-79
• 致谢79-80
• 参考文献80-83
• 附录83-92
• 攻读硕士学位期间发表的学术论文92

【相似文献】

中国期刊全文数据库 前10条

1 云中客;新的神经网络来自于仿生学[J];物理;2001年10期

2 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期

3 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期

4 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期

5 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

6 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期

7 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期

8 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期

9 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期

10 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

  本文关键词：基于LM-BP神经网络股票预测研究，由笔耕文化传播整理发布。

，

本文编号：254158