基于优化算法的股票预测研究

发布时间：2017-03-30 10:21

  本文关键词：基于优化算法的股票预测研究，由笔耕文化传播整理发布。

【摘要】：随着经济的快速发展和综合国力的不断提高,股票投资逐渐成为人们生活中的重要组成部分,同时股价的预测也逐渐成为金融者们分析和研究的重点。股票市场是一种极其复杂的系统,它由众多因素与各种不确定性共同影响和作用,较强的非线性是股票价格波动经常表现出来的特征,运动曲线复杂。研究股票预测问题是一个重要研究课题。本文结合股票运行特性、技术指标,分析了股票预测的关键问题,重点探讨了几种股价预测方法,并提出采用多个模型对股价进行组合预测,其有效地结合了各个模型的有用信息,解决了单个模型的局限性,组合预测能够很好的提高预测精度。在以下几个方面取得了一些成果。(1)在分析股票技术指标及常用方法的基础上,采用最小二乘法拟合股票价格,预测下个特定时期的股价,同时结合仿真结果分析了该方法的优缺点。(2)采用灰色预测法对股票价格进行预测。通过分析股票特性,结合灰色预测法特点,推导出了灰色预测算法迭代算式,为股票预测提供了一种有效的方法。并结合股票运行情况分析了该方法的优缺点。(3)采用神经网络对股票运行进行预测。首先采用BP神经网络对股票价格进行预测,探讨了预测方法并给出了仿真结果。为了克服BP神经网络预测速度和精度的问题,提出采用动态NNARX网络进行预测。利用改进的L-M算法训练神经网络的权值,并间接地确定NNARX的隐含层神经元个数。通过理论对比和仿真结果分析,得出NNARX网络具有较好的预测效果,并能够节省训练时间和次数。(4)提出了股票价格的组合预测方法。因为股价的随机不确定性,股价的预测仅靠一个预测模型和某一种预测方法是难以完成的。将不同的预测法以某种准则进行合适的组合,得出一种合适于多种情况的预测模型。为了适应各种股票和很多复杂情况,组合权值采用遗传算法进行优化,通过大量样本优化找到合适的组合参数,解决了组合权值难以确定的问题。同时很好的克服了单一方法的局限性。
【关键词】：股票预测 最小二乘法 灰色预测 神经网络 组合预测
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;TP18
【目录】：

• 摘要5-6
• Abstract6-7
• 目录7-10
• 第1章 绪论10-14
• 1.1 课题的研究背景10-11
• 1.2 国内外的研究现状11-12
• 1.3 立题意义12-13
• 1.4 本文主要研究内容13-14
• 第2章 股价预测的关键问题14-21
• 2.1 引言14-15
• 2.2 股价预测的可能性15-16
• 2.3 股票的技术指标及常用方法16-18
• 2.3.1 股票的技术指标16-17
• 2.3.2 股票预测的常用方法17-18
• 2.4 股价预测的基本步骤18
• 2.5 股票预测面临的问题18-20
• 2.6 本章小结20-21
• 第3章 非线性最小二乘法预测股价21-26
• 3.1 引言21
• 3.2 非线性最小二乘法定义21-24
• 3.3 非线性最小二乘法实现股价预测24
• 3.4 本章小结24-26
• 第4章 灰色预测法预测股价26-34
• 4.1 引言26-27
• 4.2 系统功能模拟与灰色分析27-29
• 4.3 GM(1,1)模型29-30
• 4.3.1 GM(1,1)的定义29-30
• 4.3.2 GM(1,1)的白化型30
• 4.4 灰色预测的基本步骤30-32
• 4.5 灰色预测实现股价预测32-33
• 4.6 本章小结33-34
• 第5章 基于神经网络的股价预测34-50
• 5.1 引言34-35
• 5.2 基于BP神经网络的股票预测35-42
• 5.2.1 BP神经网络结构35-36
• 5.2.2 BP学习算法36-38
• 5.2.3 隐含层节点数的确定38-39
• 5.2.4 数据的归一化39-40
• 5.2.5 BP神经网络预测股价的基本步骤40-41
• 5.2.6 BP神经网络预测股价存在的问题41
• 5.2.7 BP神经网络仿真预测分析41-42
• 5.3 基于NNARX网络的股票预测42-49
• 5.3.1 NNARX网络结构与辨识原理42-43
• 5.3.2 训练算法及其出现的问题43-45
• 5.3.3 改进的L-M算法分析45-47
• 5.3.4 NNARX网络预测仿真结果分析47-49
• 5.4 本章小结49-50
• 第6章 基于遗传算法的股票组合预测研究50-58
• 6.1 引言50
• 6.2 组合预测的基本原理50-51
• 6.3 基于遗传算法的权值优化51-55
• 6.3.1 遗传算法简介51-53
• 6.3.2 遗传算法设计过程53-54
• 6.3.3 权值优化54-55
• 6.4 股票的组合预测实证分析55-57
• 6.4.1 组合预测1及分析55-56
• 6.4.2 组合预测2及分析56-57
• 6.5 本章小结57-58
• 第7章 总结与展望58-59
• 7.1 总结58
• 7.2 展望58-59
• 参考文献59-62
• 致谢62-63
• 附录63

【相似文献】

中国期刊全文数据库 前10条

1 王天娥;叶德谦;季春兰;;粗糙集属性约简方法在股票预测中的应用研究[J];计算机工程与应用;2009年30期

2 陈小玉;骆小红;;基于分割提速法的并行股票预测研究与仿真[J];计算机仿真;2012年05期

3 周绪川;;基于分割提速法和多线程的股票预测方法[J];兰州理工大学学报;2013年02期

4 刘军;邱晓红;汪志勇;杨鹏;;基于相似性最优模块神经网络的股票预测[J];江西师范大学学报(自然科学版);2008年04期

5 魏立龙;许东方;孙浩;周明祥;;基于遗传算法的小波神经网络在股票预测中的应用[J];信息与电脑(理论版);2011年05期

6 林倩瑜;冯少荣;张东站;;基于神经网络和模式匹配的股票预测研究[J];计算机技术与发展;2010年05期

7 张晨希;张燕平;张迎春;陈洁;万忠;;基于支持向量机的股票预测[J];计算机技术与发展;2006年06期

8 张晨希;张迎春;万忠;陈洁;张燕平;张铃;;基于交叉覆盖算法的股票预测[J];微机发展;2005年12期

9 许雁;陈月辉;曹毅;;基于随机微分方程模型的股票预测[J];信息技术与信息化;2011年05期

10 张扬武;;基于时间序列和神经网络相结合的股票预测研究[J];电脑知识与技术;2009年01期

中国重要报纸全文数据库 前1条

1 若冲;比追逐财富更重要[N];市场报;2001年

中国硕士学位论文全文数据库 前10条

1 徐嫩霞;基于协同认知的智能股票预测[D];昆明理工大学;2000年

2 孙巍巍;基于多指标群决策理论的股票预测系统研究[D];昆明理工大学;2002年

3 陶嗣干;覆盖算法在股票预测中的应用[D];安徽大学;2010年

4 刘海s，

本文编号：276892