基于小波分析的神经网络股票预测研究

发布时间：2017-06-30 15:42

  本文关键词：基于小波分析的神经网络股票预测研究，由笔耕文化传播整理发布。

【摘要】：随着中国经济的快速发展,我国的证券市场也在日益成长,股市的高收益正在吸引着越来越多的投资者的进场,但高风险也随之而来,如何正确地预测股票市场的运行态势,为国家宏观经济调控提供科学依据,使投资者在承受较小风险的情况下获得较大收益已经成为国内外业界研究的热门课题。股票市场是一个非常繁杂的非线性动态系统,传统的时间序列预测方法往往无法揭示其内在规律,预测效果也很难有所突破。为此本文选择了具备良好非线性拟合效果的神经网络研究模型,并结合小波分析理论,建立了基于小波分析的动态神经网络预测模型,选择沪深300指数股的部分收盘价进行建模预测。论文主要研究内容如下:首先引入了小波分析,通过小波的分解与重构,将原始时间序列分解到不同的尺度上;然后根据不同尺度序列的特点,分别建模;并且在小波分析的过程中,对小波基函数的选择和分解尺度的确定进行详细的分析研究,为后续工作提供保障。经过小波分析,产生出一个低频序列和若干个高频序列,通过对历史数据具有敏感性的低频序列采用Elman动态神经网络进行建模分析,而对具有随机特性的高频序列采用传统BP神经网络进行建模分析后,整合各层分析数据并得出最终的预测结果。在神经网络建模分析的过程中,为了提高网络的训练效率以及避免陷入局部最小值,本文采用了附加动量法和具有自适应速率调节的梯度下降法对神经网络的传统学习算法存在的网络收敛慢、易陷入局部极小的局限性进行了改进,实验对比过程表明,改进的神经网络学习算法在训练效果和学习速度上都有明显提高。最后,将作者提出的基于小波分析的动态神经网络模型与小波分析下的静态神经网络以及传统BP网络这两种预测模型的预测效果进行多角度对比分析,结果表明,这个模型不仅是有效的、可行的,而且在预测精度和训练速率等方面都明显优于其他两种模型。
【关键词】：股票预测 沪深300指数 小波的分解与重构 Elman神经网络 BP神经网络
【学位授予单位】：江西师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.51;TP183
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-14
• 1.1 本文研究背景8-9
• 1.2 股票预测方法的发展9-10
• 1.2.1 结构计量模型阶段9
• 1.2.2 时间序列分析阶段9-10
• 1.2.3 数据挖掘分析阶段10
• 1.3 国内外研究现状10-11
• 1.4 研究目的及意义11-12
• 1.5 本文组织结构12-14
• 第二章 神经网络技术理论基础14-21
• 2.1 神经网络概述14-16
• 2.1.1 人工神经网络概念的提出14-15
• 2.1.2 人工神经元模型15-16
• 2.2 静态BP神经网络基本理论16-18
• 2.2.1 BP学习规则16-18
• 2.2.2 BP网络的局限性及改进18
• 2.3 动态神经网络基本理论18-20
• 2.3.1 Elman神经网络模型19
• 2.3.2 Elman神经网络的学习19-20
• 2.4 本章小结20-21
• 第三章 小波分析基本理论21-25
• 3.1 小波分析理论概述21
• 3.2 小波变换21-22
• 3.3 多尺度分析和Mallat算法22-24
• 3.4 本章小结24-25
• 第四章 基于小波分析的动态神经网络股票预测研究25-33
• 4.1 股票价格预测的基本思想25
• 4.2 样本选取和数据划分25-27
• 4.2.1 研究样本的选取25-26
• 4.2.2 样本数据划分26-27
• 4.3 小波分析的指标选择27-30
• 4.3.1 小波基函数的选择27-28
• 4.3.2 小波分解层数的选择28-30
• 4.4 神经网络结构设计30-32
• 4.4.1 网络算法的改进30-31
• 4.4.2 网络拓扑结构31
• 4.4.3 网络参数设计31-32
• 4.4.4 数据预处理32
• 4.5 本章小结32-33
• 第五章 预测模型的仿真研究及比较分析33-41
• 5.1 基于小波分析的动态神经网络股票预测模型33-37
• 5.1.1 原始序列的小波分解与重构33
• 5.1.2 低频序列和高频序列的建模预测33-37
• 5.2 基于小波分析的BP神经网络股票预测模型37-38
• 5.3 基于静态BP神经网络股票预测模型38
• 5.4 预测结果误差比较38-40
• 5.5 本章小结40-41
• 第六章 总结与展望41-43
• 6.1 本文总结41
• 6.2 对未来研究工作的展望41-43
• 参考文献43-46
• 致谢46-47
• 在读期间公开发表论文（著）及科研情况47

【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：基于小波分析的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：502472