基于PSO优化混沌BP神经网络的股票指数预测模型研究

发布时间：2022-01-20 01:13

　　随着股票市场投资活动的日益频繁,市场迫切需要一种有效的预测分析方法,以帮助人们增加收益的同时适当的降低风险。股市高度复杂,它的变化规律有一定趋势性,但受政治、经济、心理等各种因素的影响,市场的变化规律仍然让人难以琢磨。传统的股票指数预测方法大都是基于数理统计的方法,共同点是先建立数据序列的主观模型,然后根据主观模型进行计算和预测,预测精度不能满足实际的要求。股票指数具有明显的混沌特征,许多学者对其混沌特性进行了深入研究,建立了多种基于混沌理论的股票指数预测模型。混沌BP神经网络模型是一种比较成功的股票指数预测模型,但该模型有易于陷入局部极小值和收敛速度慢的缺点,因此,提高混沌BP神经网络模型的预测精度是股票指数预测方法研究的一个重要课题。首先建立了一个基于混沌理论的BP神经网络预测模型,将其应用于2种典型的非线性时间序列（Logistic混沌系统和Henon混沌系统）和实测上证综合指数时间序列进行了有效性验证,并给出了不同训练样本的预测值比较和结果分析。为进一步提高预测模型的预测准确性,提出了一种基于粒子群算法优化混沌BP神经网络的改进预测模型。该模型采用时间序列输入输出参数数量构造B... 

【文章来源】：河北大学河北省

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景、目的及意义
        1.1.1 研究背景
        1.1.2 研究目的
        1.1.3 研究意义
    1.2 国内外研究动态和发展趋势
        1.2.1 股市预测的国外研究概况
        1.2.2 股市预测的国内研究概况
        1.2.3 发展趋势
    1.3 研究内容、方法和创新点
        1.3.1 研究内容
        1.3.2 研究方法
        1.3.3 创新点
第2章 混沌预测相关理论简介
    2.1 混沌预测理论
        2.1.1 混沌概述
        2.1.2 混沌时间序列概述
        2.1.3 相空间重构理论
        2.1.4 常用混沌时间序列预测方法简介
    2.2 BP神经网络理论
    2.3 粒子群优化算法
    2.4 2种典型的非线性系统简介
    2.5 本章小结
第3章 基于混沌理论的BP神经网络股指预测模型
    3.1 基本思路
    3.2 模型基本参数的确定
        3.2.1 实验数据的确定
        3.2.2 嵌入维数m和时间延迟τ的确定
        3.2.3 BP神经网络参数的确定
    3.3 数据归一化方法的确定
    3.4 模型的基本步骤
    3.5 仿真实验
        3.5.1 2种典型非线性系统的仿真实验
        3.5.2 实际股票指数的仿真实验
    3.6 结果分析
    3.7 本章小结
第4章 基于PSO优化混沌BP神经网络的股指预测模型
    4.1 基本思路
    4.2 模型基本参数的确定
        4.2.1 实验数据、嵌入维数和时间延迟的确定
        4.2.2 粒子群算法中参数的确定
    4.3 PSO优化混沌BP神经网络模型的基本步骤
    4.4 仿真实验
        4.4.1 2种典型非线性系统的仿真实验
        4.4.2 实际股票指数的仿真实验
    4.5 结果分析
    4.6 本章小结
第5章 结论与展望
    5.1 主要研究成果和结论
    5.2 展望
参考文献
致谢
攻读学位期间取得的科研成果


【参考文献】：
期刊论文
[1]基于遗传算法优化混沌神经网络的股票指数预测[J]. 马明,李松.  商业研究. 2010(11)
[2]基于遗传算法和神经网络的股票价格预测[J]. 卢琇泽,叶德谦,南敏.  电脑开发与应用. 2010(02)
[3]混沌时间序列预测模型的比较研究[J]. 李松,刘力军,谷晨.  计算机工程与应用. 2009(32)
[4]证券市场的混沌现象分析[J]. 陈辉煌,高岩.  企业经济. 2009(06)
[5]基于混沌神经网络的股票分析及其预测[J]. 张中华,丁华福.  计算机技术与发展. 2009(03)
[6]混沌时间序列改进的加权一阶局域预测法[J]. 孟庆芳,彭玉华.  计算机工程与应用. 2007(35)
[7]基于混沌与改进BP神经网络的电价预测方法[J]. 孙帆.  微计算机信息. 2007(26)
[8]基于改进的C-C方法的相空间重构参数选择[J]. 陆振波,蔡志明,姜可宇.  系统仿真学报. 2007(11)
[9]GA神经网络在证券市场预测中的应用研究[J]. 欧阳林群.  武汉理工大学学报(信息与管理工程版). 2006(11)
[10]基于R/S分析的深圳股市非线性特征实证研究[J]. 周洪涛,王宗军.  数学的实践与认识. 2006(02)

硕士论文
[1]小波网络与混沌时间序列预测[D]. 牛国鹏.兰州大学 2009



本文编号：3597905