基于MEA-BP模型的股票预测研究

发布时间：2017-08-17 11:35

  本文关键词：基于MEA-BP模型的股票预测研究

  更多相关文章： BP模型 思维进化算法 遗传算法 上证指数

【摘要】：股市预测是金融研究的热门课题之一。股票市场受诸多因素的影响呈现出复杂的非线性,基于线性分析的传统方法则显得有些力不从心。神经网络模型由于其可以实现任意空间的非线性映射而广受学者们的青睐。当前,基于一般BP模型或(GA-BP模型的股票预测研究较多,但基于MEA-BP模型的股市预测研究还不是很多。本文首先选取了股票指数的8个基本指标,以上证指数的历史数据建立BP模型和GA-BP模型进行实证分析,结果表明,一方面,BP模型虽然可以预测出股市的变化走势,但其与真实值的偏离程度较高；另一方面,GA-BP模型虽然具有较高的精度,但其收敛速度却较慢。有鉴于此,本文进一步采用思维进化算法(MEA)对BP网络的连接权值与阈值进行优化,并将预测结果与GA-BP模型做比较,对比发现该MEA-BP预测精度高于GA-BP模型,而且收敛速度也远高于GA-BP模型。
【关键词】：BP模型 思维进化算法 遗传算法 上证指数
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;F224
【目录】：

• 摘要3-4
• Abstract4-7
• 第一章 绪论7-10
• 1.1 研究背景7
• 1.2 研究现状7-9
• 1.3 本文主要工作9-10
• 第二章 股票预备知识10-13
• 2.1 股票概念及特征10
• 2.2 股票基本指标10-11
• 2.3 股票预测面临的问题11-12
• 2.4 BP模型在股市预测的可实施性12-13
• 第三章 BP神经网络及思维进化算法13-30
• 3.1 神经网络概述13-16
• 3.1.1 神经网络基本构成13-14
• 3.1.2 神经网络拓扑结构14-15
• 3.1.3 神经网络学习机理15-16
• 3.2 BP 神经网络16-23
• 3.2.1 BP神经网络结构16-17
• 3.2.2 BP神经网络学习规则17-20
• 3.2.3 BP算法流程20-22
• 3.2.4 BP神经网络优缺点22-23
• 3.3 思维进化算法23-28
• 3.3.1 思维进化算法基本要素24-26
• 3.3.2 思维进化算法思路26-27
• 3.3.3 思维进化算法特点27-28
• 3.4 MEA优化BP神经网络28-30
• 第四章 实证分析30-48
• 4.1 研究对象选取30
• 4.2 MEA-BP模型实现步骤30
• 4.3 BP网络模型设计30-37
• 4.3.1 中间层层数选取30
• 4.3.2 输入输出层节点选取30-31
• 4.3.3 中间层节点选取31-36
• 4.3.4 激活函数的确定36-37
• 4.3.5 BP网络结构确定37
• 4.4 思维进化算法参数选取37
• 4.5 数据预处理37-38
• 4.6 MEA优化BP网络算法实现38-42
• 4.7 结果分析42-48
• 第五章 结论与展望48-49
• 参考文献49-51
• 致谢51

【参考文献】

中国期刊全文数据库 前8条

1 王俊清;;BP神经网络及其改进[J];重庆工学院学报(自然科学版);2007年03期

2 吴微,陈维强,刘波;用BP神经网络预测股票市场涨跌[J];大连理工大学学报;2001年01期

3 王川龙,孙承意;基于思维进化的MEBML算法的收敛性研究[J];计算机研究与发展;2000年07期

4 何小娟,曾建潮,徐玉斌;基于思维进化算法的神经网络权值与结构优化[J];计算机工程与科学;2004年05期

5 邓凯;赵振勇;;基于遗传BP网络的股市预测模型研究与仿真[J];计算机仿真;2009年05期

6 尹绍飞;苏勇;;BP神经网络在股指预测中的应用[J];科学技术与工程;2009年24期

7 庞素琳;徐建闽;黎荣舟;;BP算法和对称ARCH类模型对股市波动性预测的实证比较[J];控制理论与应用;2006年04期

8 孙承意,谢克明,程明琦;基于思维进化机器学习的框架及新进展[J];太原理工大学学报;1999年05期

，

本文编号：688827