基于BP神经网络的股票价格走势预测

发布时间：2024-02-25 02:05

　　本文详细分析了BP神经网络的原理、学习算法等,使用三层BP神经网络对上证指数收盘价进行实证分析。首先,文章通过秩相关系数分析因子与上证指数收盘价的关系,对因子进行筛选,去掉与上证指数收盘价相关性较小的因子,以输入更有效的因子,使网络更快地学习到输入与输出之间的内在规律;然后,本文通过标准BP神经网络、改进后的BP神经网络这两种模型对上证指数的收盘价进行实证分析,通过预测值与真实值之间的平均绝对误差MAE、方向正确率DS得出改进后的BP神经网络在预测能力方面表现更好;随后,用改进BP神经网络通过平均绝对误差MAE、方向正确率DS确定最佳参数,即训练集、训练函数、学习率、隐节点个数以及激活函数的确定;最后,本文比较了不同行情下BP神经网络的预测能力,发现在盘整期行情的表现能力不如牛市行情。通过对BP神经网络的原理以及实证的研究,结果表明三层BP神经网络可以实现对股票价格的有效预测,对投资实践有一定的借鉴意义。

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

图2.1:生物神经元的结构来源

先来介绍生物神经元的结构。神经元是人脑组织的基本处理单位，是人脑处理信息的最小单元。其模型如图2.1所示。图2.1:生物神经元的结构来源（来源:韩力群[40]）树突：接受输入信号，输入端；轴突：输出端，通过突触将输出信号传向其他神经元的树突；突触：输入输出的连接；细胞体：相....

图2.2:人工神经元的结构

图2.2:人工神经元的结构()表示时刻的输入向量，()表示时刻神经元的输出，阈值，则神经元的状态可表示为=(∑=1),=1,...,,....

图2.3:阈值型变换函数

图2.3:阈值型变换函数变换函数换函数是定义域为实数，值域为[0,1]或[-1,1]的非减连连续型状态的输出模型。引入非线性激活函数，使得模的函数映射。其中，最典型的非线性变换函数是函数本性变换函数的Sigmoid函数曲线，简称型曲线。在之数曲线连续、可导的优....

图2.4:S型变换函数

.图2.4展示了这两种S型函数。从图2.4可以看出，S型函数抑制两边的值，对中间的细微变化感知明显。对于神经网络来说可以提高特征识别度。(3)神经网络的学习方式人工神经网络具有怎样的功能是由训练后的连接权值决定。人工神经网络的核心是权值的不断调整，改变权值的规则称为学习规则或....

本文编号：3909902