基于小波变异的粒子群优化算法的函数连接型神经网络对股指预测的研究

发布时间：2020-05-14 08:26

【摘要】：随着股票交易制度的逐步完善,股票也成为一种重要的投资方式。股票指数与其成分股一般具有正向关系,股指一般作为股票市场的“晴雨表”对投资者从整体上把握股票的行情,政府制定宏观政策中具有重要作用。然而由于股市变化比较复杂,所以很难有比较精确的预测。所以本文主要是基于已有的关于股指预测的研究,从以下三个方面进行研究。首先简单介绍目前股指预测研究的理论以及进展,紧接着介绍了两种神经网络模型,多层感知机模型(MLP)以及函数连接型神经网路(FLANN),以及两种参数优化算法,BP算法以及粒子群算法(PSO),并分别对他们进行比较。其次,介绍了基于小波变异的粒子群算法(WM-PSO),分析其可能存在的问题并对其进行改进,得到改进的基于小波变异的粒子群算法(IWM-PSO),通过5个Benchmark函数进行数值模拟,以验证算法的性能。通过结果分析可以发现,所提出的IWM-PSO算法在搜索结果的精度以及稳定性上相较于其他模型均达到了最优。最后,利用沪深300指数进行实证研究。选择沪深300指数2016/1/21到2017/3/15共计278个交易日的数据构建模型的训练集与测试集来验证模型的预测效果。在对于股指的预测方面,IWM-PSO-FLANN模型在三个标准下均达到最优,同时发现利用三角函数展开的效果要优于利用多项式进行展开的结果;在对于收益率的预测方面,在三个标准下的表现与股指预测的相同,除此之外对预测符号以及绩效的分析中可以发现,IWM-PSO-FLANN模型的预测准确度最优,同时可以达到最高的收益绩效。
【图文】：

波形图,小波,波形图,参数

图３－２不同＾值对于Ｍｏｒｌｅｔ小波波形的影响逡逑对于参数ｕ由式（３－３）得到，对于不同的参数ａ邋Ｍｏｒｌｅｔ小波会有不同的波逡逑，如图３－２所示。逡逑１７逡逑

曲线图,曲线图,最早,最优解

（０．１＋０．００ｌ（．ｖ，２＋ｘ，２））逡逑以上五个的函数的迭代次数设为３０００，每…个函数运行５００次，并记录每逡逑－次运行的数据。将数据取１０的对数后，分别绘制函数的收敛曲线图如图３－４逡逑所示。并对最优解分别计算其标准差，Ｍ优解以及平均解，，得到的汇总结果如逡逑表３－２所示。逡逑Ｆｕｎｃｔｉｏｎ邋１逦Ｆｕｎｃｔｉｏｎ邋２逦Ｆｕｎｃｔｉｏｎ邋３逡逑５邋＾－ＶＴ－ｒ逦逦逦邋；逦６邋－逡逑逦ＷＶＭＰＳＯ逦逦邋逦ＩＷＭＰＳＯ邋．．逦逦ＩＷＭＰＳＯ逡逑０逦、？、、逦逦ＷＭＰＳＯ逦Ａ逦逦ＷＭＰＳＯ邋＇逦１１逦逦ＷＭＰＳＣ逡逑－５－逦＼邋＼逦ＰＳ0邋－逦２逦＼逦…？ＰＳ0邋－逦？？？？？ＰＳ0逡逑３５０逦２００逦４００逦６００逦８００逦１０００逦°０逦２００逦４００逦６０Ｃ逦８００逦１０００逦３0邋５００逦１邋０００邋１５００逦２０００邋２５００邋３０００逡逑ｉｔｅｒａｔｉｏｎ邋ｎｕｍｂｅｒ逦ｉｔｅｒａｔｉｏｎ邋ｎｕｍｂｅｆ逦ｉｔｅｒａｂｏｎ邋ｎｕｍｂｅｒ逡逑Ｆｕｎｃｔｉｏｎ邋４逦Ｆｕｎｃｔｉｏｎ邋５逡逑３ｒ———ｔ邋邋邋逦一邋ｉ邋＇邋■■邋－ｔ邋邋逦１逦Ｏｒ－逡逑逦ＷＭＰＳＯ逦－逦ＩＷＭＰＳＯ逡逑２邋８－逦逦ＷＭＰＳＯ逦Ｏ邋２邋－逦逦ＷＭＰＳＯ逡逑逦ＰＳＯ逦逦ＰＳＯ逡逑２６Ｆ逦－０４逡逑１２Ａ逦Ｉ邋咖、、逦－逡逑Ｉ邋２２邋Ｖ逦逦？．邋ｇ邋－０８逡逑２－邋＼逦－逦．１．逡逑１８邋逦逦邋１邋２邋逦．逡逑１邋６０逦５００逦１０００逦１５００逦２０００逦２５００逦３０００逦＿
【学位授予单位】：华北电力大学(北京)
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.51;TP18

【参考文献】