基于神經(jīng)網(wǎng)絡(luò)的股市預(yù)測(cè).pdf

1、股票市場(chǎng)是一個(gè)極其復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)，而神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力和自學(xué)習(xí)、自適應(yīng)等特性，實(shí)驗(yàn)證明，利用神經(jīng)網(wǎng)絡(luò)對(duì)股市建模可以取得比較不錯(cuò)的短期預(yù)測(cè)成果。 分析了基于BP網(wǎng)絡(luò)進(jìn)行股市預(yù)測(cè)的原理，利用三層前饋神經(jīng)網(wǎng)絡(luò)對(duì)股市建立預(yù)測(cè)模型，詳細(xì)探討了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、隱節(jié)點(diǎn)個(gè)數(shù)確定的原則、樣本數(shù)據(jù)的選取和預(yù)處理、初始參數(shù)的確定等問題。為了避免網(wǎng)絡(luò)陷入局部最小點(diǎn)和提高網(wǎng)絡(luò)的收斂速度，算法采用改進(jìn)后的 Levenberg-Marq

2、uardt 法 BP 算法。以最具代表性的上證指數(shù)為例對(duì)所建的預(yù)測(cè)模型進(jìn)行訓(xùn)練，并用訓(xùn)練好的網(wǎng)絡(luò)預(yù)測(cè)未來1周的股票數(shù)據(jù)，取得了很好的效果。 根據(jù)股票市場(chǎng)高度非線性特點(diǎn)及基本BP算法在權(quán)值調(diào)整過程中存在的收斂速度慢、易陷入局部極小點(diǎn)的缺點(diǎn)，采用遺傳BP算法，研究了股市預(yù)測(cè)的問題。遺傳BP算法利用遺傳算法進(jìn)行全局搜索，注重搜索未知區(qū)域，處理速度快而對(duì)精度要求不高，不易陷入局部極小點(diǎn)，而利用BP算法搜索有最優(yōu)點(diǎn)的區(qū)域，提高搜索速度和