基于非参数的多种群遗传神经网络在股指预测中的应用
发布时间：2021-11-03 20:11
现代的股票市场是一个巨大的投资、融资市场,每天都有大笔资金的流入和流出,它在社会稳定发展中扮演着越来越重要的角色。若是谁能把握住股票市场发展的趋势,并且能够在短时间内做出投资决策,那么谁就能从这个巨大的投、融资市场上获取利益。若想把握住股市的趋势,并且能够及时做出正确的决策,对股票市场进行预测和分析就显得必不可少。现有的股市预测分析方法主要有基本面分析法和技术分析法,但是这些分析方法都存在着各自的缺陷,难以令人信服。随着股票市场的发展,基于股市金融数据的时间序列分析预测方法开始涌现,但大多数方法都是基于线性假设前提之下的,与股市数据所呈现的非线性特征相违背。经研究发现神经网络在解决这类非线性问题上有着自己特有的优势,因此,本文从神经网络入手,将多种群遗传算法与神经网络相结合,构造了一个多种群遗传神经网络模型,并将其应用于股票价格指数的预测。该组合模型不仅克服了传统神经网络易陷于局部最小值、初始权值难以确定等缺陷,还避免了标准遗传算法所存在的早熟收敛问题。同时,该模型还具有训练快、预测结果稳定、预测精度高等优点,为股价指数预测提供了一种新的思路和途径。本文首先阐述了神经网络方法,介绍了B...
【文章来源】：浙江工商大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
目录
第一章 绪论
第一节 研究背景及意义
一、研究背景
二、研究的理论意义
三、研究的现实意义
第二节 文献综述
第三节 主要研究内容及框架
一、主要研究内容
二、主要研究框架
第四节 本文可能的创新
第二章 股价指数预测的相关知识介绍
第一节 股价指数
第二节 股价指数相关的变量及指标
一、技术指标变量
二、宏观经济变量
第三节 股价指数预测方法的理论依据
第三章 神经网络预测模型与遗传算法
第一节 人工神经网络概述
一、BP神经网络结构与算法
二、BP神经网络算法的优缺点
第二节 遗传算法
一、遗传算法的基本原理
二、遗传算法的基本操作
三、遗传算法的基本流程
四、多种群遗传算法
第四章 基于多种群遗传算法的神经网络组合模型
第一节 多种群遗传神经网络组合模型研究
第二节 组合模型的基本操作
一、参数的编码
二、种群的初始化
三、适应度函数的设计
四、遗传操作算子和多种群的设计
第三节 多种群遗传神经网络的优缺点
第五章 实证研究
第一节 非参数核估计方法理论框架
第二节 变量和样本的选取
第三节 变量的筛选和数据归一化
第四节 基于BP神经网络的上证指数预测
一、利用初始变量对上证指数的预测
二、利用筛选后变量对上证指数的预测
三、对比分析研究
第五节 基于多种群遗传算法的神经网络对上证指数的预测
一、利用初始变量对上证指数的预测
二、利用筛选后变量对上证指数的预测
三、对比分析研究
第六节 两种模型预测结果的对比分析
第六章 结论
参考文献
附录
致谢
【参考文献】：
期刊论文
[1]基于PCA-BP神经网络的股票价格预测研究[J]. 蔡红,陈荣耀. 计算机仿真. 2011(03)
[2]一种新的基于Agent的神经网络隐层节点数的优化算法[J]. 高鹏毅,陈传波,秦升,胡迎松. 计算机工程与科学. 2010(05)
[3]基于遗传神经网络的指数跟踪优化方法[J]. 刘磊. 系统工程理论与实践. 2010(01)
[4]基于主成分的遗传神经网络股票指数预测研究[J]. 智晶,张冬梅,姜鹏飞. 计算机工程与应用. 2009(26)
[5]L egender神经网络建模及股票预测[J]. 邹阿金,罗移祥. 计算机仿真. 2005(11)
[6]人工神经网络在中长期汇率预测中的应用[J]. 杨炘,马洪波. 系统工程. 1999(01)
[7]集成型手写汉字识别方法与系统[J]. 郝红卫,戴汝为. 中国科学E辑:技术科学. 1997(06)
[8]CMAC学习过程收敛性的研究[J]. 罗忠,谢永斌,朱重光. 自动化学报. 1997(04)
[9]广义小波变换及其在人工神经网络中的应用[J]. 朱文革. 应用数学学报. 1997(02)
[10]一种激励函数可调的新人工神经网络及应用[J]. 吴佑寿,赵明生,丁晓青. 中国科学E辑:技术科学. 1997(01)
硕士论文
[1]基于灰色神经网络的股指预测方法研究[D]. 范艳敏.北京工业大学 2011
[2]基于小波分析和神经网络的股价预测方法研究[D]. 王建伟.北京工业大学 2004
本文编号：3474278
【文章来源】：浙江工商大学浙江省
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
目录
第一章 绪论
第一节 研究背景及意义
一、研究背景
二、研究的理论意义
三、研究的现实意义
第二节 文献综述
第三节 主要研究内容及框架
一、主要研究内容
二、主要研究框架
第四节 本文可能的创新
第二章 股价指数预测的相关知识介绍
第一节 股价指数
第二节 股价指数相关的变量及指标
一、技术指标变量
二、宏观经济变量
第三节 股价指数预测方法的理论依据
第三章 神经网络预测模型与遗传算法
第一节 人工神经网络概述
一、BP神经网络结构与算法
二、BP神经网络算法的优缺点
第二节 遗传算法
一、遗传算法的基本原理
二、遗传算法的基本操作
三、遗传算法的基本流程
四、多种群遗传算法
第四章 基于多种群遗传算法的神经网络组合模型
第一节 多种群遗传神经网络组合模型研究
第二节 组合模型的基本操作
一、参数的编码
二、种群的初始化
三、适应度函数的设计
四、遗传操作算子和多种群的设计
第三节 多种群遗传神经网络的优缺点
第五章 实证研究
第一节 非参数核估计方法理论框架
第二节 变量和样本的选取
第三节 变量的筛选和数据归一化
第四节 基于BP神经网络的上证指数预测
一、利用初始变量对上证指数的预测
二、利用筛选后变量对上证指数的预测
三、对比分析研究
第五节 基于多种群遗传算法的神经网络对上证指数的预测
一、利用初始变量对上证指数的预测
二、利用筛选后变量对上证指数的预测
三、对比分析研究
第六节 两种模型预测结果的对比分析
第六章 结论
参考文献
附录
致谢
【参考文献】：
期刊论文
[1]基于PCA-BP神经网络的股票价格预测研究[J]. 蔡红,陈荣耀. 计算机仿真. 2011(03)
[2]一种新的基于Agent的神经网络隐层节点数的优化算法[J]. 高鹏毅,陈传波,秦升,胡迎松. 计算机工程与科学. 2010(05)
[3]基于遗传神经网络的指数跟踪优化方法[J]. 刘磊. 系统工程理论与实践. 2010(01)
[4]基于主成分的遗传神经网络股票指数预测研究[J]. 智晶,张冬梅,姜鹏飞. 计算机工程与应用. 2009(26)
[5]L egender神经网络建模及股票预测[J]. 邹阿金,罗移祥. 计算机仿真. 2005(11)
[6]人工神经网络在中长期汇率预测中的应用[J]. 杨炘,马洪波. 系统工程. 1999(01)
[7]集成型手写汉字识别方法与系统[J]. 郝红卫,戴汝为. 中国科学E辑:技术科学. 1997(06)
[8]CMAC学习过程收敛性的研究[J]. 罗忠,谢永斌,朱重光. 自动化学报. 1997(04)
[9]广义小波变换及其在人工神经网络中的应用[J]. 朱文革. 应用数学学报. 1997(02)
[10]一种激励函数可调的新人工神经网络及应用[J]. 吴佑寿,赵明生,丁晓青. 中国科学E辑:技术科学. 1997(01)
硕士论文
[1]基于灰色神经网络的股指预测方法研究[D]. 范艳敏.北京工业大学 2011
[2]基于小波分析和神经网络的股价预测方法研究[D]. 王建伟.北京工业大学 2004
本文编号：3474278
本文链接：https://www.wllwen.com/jingjilunwen/touziyanjiulunwen/3474278.html
