基于小波分析和BP神经网络相结合的股票波动预测方法研究

发布时间：2020-12-17 07:34

　　股票价格具有天生的随机性和偶然性,股票价格的波动通常表现为一个没有规律的随机波动,且加上人为的心理因素及整个社会环境的不确定因素,单一的线性时间序列预测模型,如指数平滑法,ARMA模型,移动平均线法,由于受到传统的时间序列的平稳性、正态性、独立性的限制,在进行股价预测时会出现一定的局限性,无法达到满意的预测效果,因此在股价预测中引入非线性分析方法,借助多种模型进行整合研究,现已成为股价预测研究领域中一种新的必然选择。BP神经网络在股价预测方面有着独特的优势,它不需要建立复杂的非线性系统的显式关系和模型就可以进行预测,是目前预测理论中比较前沿的一种理论,但是不久科研人员也发现BP神经网络模型如果选取了不当的网络初始参数,就很容易出现局部陷入极小值,算法收敛速度慢,难以显式表达等问题,导致预测准确率降低,甚至趋势预测错误的严重后果,影响了神经网络模型在股票预测中的进一步使用。近年来小波分析法被广泛应用于科学和工程的各个领域,实践表明,小波分析因为可以将时频局域化,因此在数据降噪方面比传统的降噪方式有着更为明显的优势,所以将小波分析引入经济和金融领域,作为股票市场的分析和预测工具也是一种必然... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

人工神经元结构及功能示意图

23图 3-2 多层前馈型网络结构示意图上面的每一个圆代表神经元的一个结点，有向线段代表有链接的输出，每一个链接上还有其对应的权值，且每个链上的权值是不同的，神经网络就是在不断地学习和训练中不断地修改各个权值，最终形成一个较为精准的模型。在众多的神经网络结构中，多层前馈神经网络是目前应用最广泛也是最成熟的一种网络结构。多层前馈式神经网络目前应用比较广泛，这是因为根据其原理做出的网络预测模拟的系统结构是稳定的，具体解释来说就是只要系统的输入值相同，无论是第几次输入或者说是不同时刻的 n 次输入，系统的输出结果都应该是相同的。因此预测的过程并不抽象复杂，只要确定神经网络预测模型的结构合理性和可操作性就可以了[22]。

第 3 章 BP 神经网络的基本理论是向前的阶段，即是在得到最后一层的输出结果后后再反过来向前调整神经元的连接的权值和阀值，使考的过程，就是通过结果反向推算得到此结果的约程就这样反复交替来回运算，最终达到输入和输出述过程中，误差层逐层向上一层传递，不断去修正称该算法为后向传播学习算法，这种算法可以应用用到若干中间层的多层神经网络，学术上统称这种络算法训练阶段流程具体如下图 3-3 所示，

【参考文献】：
期刊论文
[1]小波神经网络模型的确定性预测及应用[J]. 潘玉民,邓永红,张全柱.  计算机应用. 2013(04)
[2]BP神经网络在股票预测中的应用[J]. 王爱平,陶嗣干,王占凤.  微型机与应用. 2010(06)
[3]基于“紧致型”小波神经网络的时间序列预测研究[J]. 罗航,王厚军,龙兵.  计算机应用研究. 2008(08)
[4]电力暂态信号小波分析的后处理方法研究[J]. 何正友,蔡玉梅,王志兵,钱清泉.  电网技术. 2005(21)
[5]基于神经网络的股票交易数据的预测研究[J]. 师智斌,陈立潮,靳雁霞.  华北工学院学报. 2003(06)
[6]小波网络的研究进展与应用[J]. 刘志刚,王晓茹,钱清泉.  电力系统自动化. 2003(06)
[7]小波分析发展综述[J]. 曹怀信,赵建伟.  咸阳师范学院学报. 2002(06)
[8]中国股票市场多重分形游走及其预测[J]. 何建敏,常松.  中国管理科学. 2002(03)
[9]人工神经元BP网络在股市预测方面的应用[J]. 吴成东,王长涛.  控制工程. 2002(03)
[10]基于小波包和神经网络的股票价格预测模型[J]. 常松,何建敏.  中国管理科学. 2001(05)



本文编号：2921657