基于GM（1，1）动态等维残差修正-BP神经网络组合预测模型

发布时间：2017-08-16 07:11

  本文关键词：基于GM（1，1）动态等维残差修正-BP神经网络组合预测模型

  更多相关文章： 组合预测 GM(1 1) 残差修正 BP神经网络 误差检验

【摘要】：金融投资中的影响因素是多样的，在金融投资中起主要作用的是对股票价格的预测准确度，对股票价格的预测需要考虑的方面是多样的，影响股票价格的不仅有国家的经济政策的因素还有投资人的决策因素等，在这些因素的影响下，股票价格并不是简单的呈现线性关系的，金融行业中对股票价格的预测是常见的但是准确率确实不能保证，所以，股价预测就成了金融市场中亟待研究和解决的课题之一。 GM(1,1)模型和BP神经网络模型是股票预测中常用的预测模型，模型简单，易于理解操作。但是单一预测的精度很难达到股民和投资者的精度要求，在实际中没有多大的应用价值，为了更好的提高预测精度，，为广大股民和股票投资者争取实际利益，本文的研究工作如下： 在对GM(1,1)模型进行研究的基础上进行了动态等维残差修正，使其精度得到了有效的提高；为了能更好的满足实际的需要和理论的研究需要，再次在残差修正的基础之上将GM(1,1)模型和BP神经网络模型串联形成了组合模型，利用GM(1,1)动态等维残差修正模型得到的预测数据作为输入数据，而实际的每日股票收盘价作为目标数据进行BP神经网络的训练，通过训练来建立组合预测模型，模型构建完成后，输入实际的日期数据便可得到要预测的当日股票收盘价，并利用上证交易所的股票亚宝药业（SHA:600351）的数据对所建立的模型进行了实证分析，结果表明所建立的组合模型对实际的股票预测能够起到很好的指导作用。
【关键词】：组合预测 GM(1 1) 残差修正 BP神经网络 误差检验
【学位授予单位】：湖南大学
【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
• Abstract6-10
• 第一章 绪论10-14
• 1.1 股价预测研究的意义10
• 1.2 股价预测当前的研究现状10-12
• 1.3 本论文的主要研究工作及章节安排12-14
• 第二章 股价预测分析14-18
• 2.1 股价预测概述14-15
• 2.1.1 国内股价预测的特点14
• 2.1.2 股价预测的分类14
• 2.1.3 股票市场是可预测性14-15
• 2.2 股价变化的原因15-16
• 2.3 股价预测16
• 2.4 基于灰色预测的 BP 神经网络预测模型概述16-18
• 第三章 灰色 GM(1,1)模型的基本原理18-23
• 3.1 灰色系统概述18-19
• 3.2 GM(1,1)模型及其预测过程19-20
• 3.2.1 建立 GM(1,1)模型19-20
• 3.2.2 残差修正过程20
• 3.3 GM(1,1)模型的检验20-22
• 3.3.1 精度检验21
• 3.3.2 关联度检验21
• 3.3.3 后验差检验21-22
• 3.4 GM(1,1)动态等维模型的构建22-23
• 第四章 GM(1,1)动态等维-BP 神经网络组合预测模型23-32
• 4.1 BP 神经网络概述23
• 4.2 BP 神经网络模型工作的基本模式23-24
• 4.3 BP 神经网络算法24-26
• 4.4 BP 算法用在股市预测中的不足26-28
• 4.4.1 网络的精确度不高26-27
• 4.4.2 输入数据的确定27
• 4.4.3 参数的调节27-28
• 4.5 组合预测模型28-32
• 4.5.1 组合预测模型概念简述28
• 4.5.2 组合预测模型的优点28-29
• 4.5.3 组合预测模型的分类29
• 4.5.4 组合预测模型的预测过程29-30
• 4.5.5 组合预测模型的结果检验30-32
• 第五章 组合预测模型的实证预测与分析32-43
• 5.1 GM（ 1， 1）灰色预测模型实证分析32-35
• 5.2 BP 神经网络模型实证分析35-39
• 5.2.1 输入数据的获取35-36
• 5.2.2 BP 预测模型的预测过程36-39
• 5.3 动态等维 GM(1,1)-BP 组合模型的预测过程39-43
• 第六章 结论43-45
• 参考文献45-48
• 附录 A：GM(1,1) 的 matlab 程序48-50
• 致谢50

【参考文献】

中国期刊全文数据库 前10条

1 陶冶;马健;;基于聚类分析和判别分析方法的股票投资价值分析──关于中小企业板的初步研究[J];财经理论与实践;2005年06期

2 王车效;;基于初值修正的非等距灰色预测模型[J];重庆师范大学学报(自然科学版);2006年03期

3 王艳玲;;灰色马尔可夫预测模型在工业SO_2排放量中的应用[J];重庆师范大学学报(自然科学版);2008年02期

4 蚩志锋;闫珍珠;黄彪;;基于遗传算法与BP算法的水质评价模型[J];重庆科技学院学报(自然科学版);2009年01期

5 王凤琴,高颖,赵军;基于遗传算法的神经网络优化[J];燕山大学学报;2001年03期

6 刘险峰,邹积岩;基于灰色理论的蓄电池容量预测[J];大连理工大学学报;2005年05期

7 陈学永,王贵成,何聪惠;神经网络在振动攻丝工艺参数匹配中的应用[J];工具技术;2003年03期

8 孙晓东;焦s

本文编号：681968