人工神经网络在股票价格预测中的应用

发布时间：2016-11-30 19:52

本文关键词：灰色神经网络在股票价格预测中的应用，由笔耕文化传播整理发布。

当前位置：文档下载 > 所有分类 > 经管营销 > 金融/投资 > 人工神经网络在股票价格预测中的应用

人工神经网络在股票价格预测中的应用

等工具，将数据排列成Ｍ＊４的表格，４列分别为，某

日的开盘价，，开盘价与昨日的变化量，日成交量，５日后开盘价，Ｍ行为采集数据的个数。再需要做的就是

将其导出成矩阵，并且输入到ＭＡＴＬＡＢ的工作区。样本矩阵称作ａ，用来核对数据的矩阵称作ｂ。

在ＭＡＴＬＡＢ中键入ＡＮＦＩＳＥＤＩＴ命令，打开人

工神经网络图形界面工具。

图２训练拟合曲线

ＦＩＳ区域内选择Ｃｈｅｃｋｉｎｇｄａｔａ。点击ＴｅｓｔＮｏｗ后便可以观察到预测的结果与真实的历史数据的误差，从界面的左下方的信息显示区，我们可以读出训练后系统的结果与这些数据的平均误差为ｏ．２１２４７（元）。作为预测５日后的价格，该误差是完全可以被接受的。

图１人工秤经湖篁番工具界回

在Ｌｏａｄｄａｔａ区域选择Ｔｒａｉｎｉｎｇ和ｗｏｒｋ然后载入样本矩阵ａ。

ｓｐａｃｅ，

在ＧｅｎｅｒａｔｅＦＩＳ区域选择隶属函数的数量和种

类。点击Ｇｅｎｅｒａｔｅ按钮，弹出一个对话框，参数将在这

个对话框中设置。在ＮｕｍｂｅｒｏｆＭＦｓ中输入３（３条模糊隶属函数，如果是多输入系统可以用向量方式输入，例如ｈ２剐）．在ＭＦＴｙｐｅ中选择一个隶属函数的形

３

图３核对数据与预测结果

总结

状，例如ｇａｕｓｓｍｆ高斯型。

在ＴｒａｉｎＦＩＳ区域选择算法，误差阈值，最大训练次数。可以选择采用ｈｙｂｒｉｄ混合法或者ｂａｃｋｐｒｏｐａ反

当股指在所采集的样本范围内波动，并且没有政

策或者重大事件的干扰的条件下，该预测器的预测效果是比较理想的，可以较为准确的指导人们进行股票投资。相信采集近期股票在一个相对平稳的范围内波动的一批数据之后，可以有效缩小预测误差，并待成熟后运用到实践中。

参考文献

［１３

向传播法训练。误差阈值是用来作为停止训练的判断

标准。当实际误差小于误差公差的话，就认为是已经达到训练目的病区停止进行训练。如果对于训练误差的变化还不清除的话，这项最好设为ｏ．Ｅｐｏｃｈ。项是设定最大训练次数的，当训练次数到达所设定的值，无论这是是否达到误差公差的要求都回停止训练。本文采取了５Ｏｏｏ次训练。

设置完成之后，开始训练人工神经网络预测器。曲线表示历史价格，圆点表示预测器运算后的输出。训练样本平均误差是０．１７８６４（元），可以说是基本拟合实际的，这也说明了股票价格是有规律可寻，而不是完全杂乱的随机。下面我们载入Ｃｈｅｃｋｉｎｇｄａｔａ即矩阵ｂ（也就是我们需要预测的那段时期的股票开盘价，

人工神经网络在股票价格预测中的应用

开盘价变化率，成交量与５日后开盘价）并在ＴＥＳＴ

摹篓誓‘Ｍａ‘１ａｂ神经网络与应用‘Ｍ３北京：国防工业

吴晓莉，林哲辉．ＭＡＴＬＡＢ辅助模糊系统设计［Ｍ］．西安：西安电子科技大学出版社，２００２．

周开利．神经网络模型及其ＭＡＴＬＡＢ仿真程序设计［Ｍ］．北京：清华大学出版社，２００５．

［２］

［３］

Word文档免费下载：人工神经网络在股票价格预测中的应用（下载1-3页，共3页）

我要评论