BP神经网络结合遗传算法进行股市预测的研究.pdfVIP

维普资讯 2005年第 12期 福 建 电 脑 91 BP神经网络结合遗传算法进行股市预测的研究 林建宇 (福州大学 福建 福州 35(X)02) 【摘 要】 本文通过建立BP神经网络结合遗传算法的预测模型，对2004年上证指数进行 了短期的预测。经过实 例分析，本文建立的模型较好的模拟了股市的短期走势，在宏观环境没有发生大的变化的情况下，可以为投资者提供较 好的参考依据。 【关键词】 股市预测，BP算法，神经网络，遗传算法 一 、 引言 I。gsig(x)=一 股票市场受到投资者的普遍关注 ．掌握股市变化的规律并 预测其走势，一直是投资者最关心的事情之一。格伦吉(D．Ge． sx)=T七 一1 1engi)曾经提出：”若从长期来看，使用分散具体的数据．剔除意 外的事件，使用非线性模式转换模型，股价还足可以预测的。” purslin(x)= cx 而股市技术分析巾道氏理论的三大假设 (市场行为涵盖一切信 息 ，价格沿趋势移动，历史会重演)也表明：股市足可以预测的． yt 至少足短期可预测的。 目前 ，除传统基本分析和技术分析外，多元统计分析、随机 过程 (马尔可夫链 )、ARMA模型、GARCH模型、混沌和分形 (Hurst指数)、灰色理论等方法都相继运用到了预测股价及股市 未来走势中，为投资者的投资决策提供了一定的参考。但至今还 没有一个可以让大家都满意的股市预测模型。鉴于此．本文提出 图 l用于股市预测的三层 BP神经网络 了BP神经网络与遗传算法结合来进行股市预测的方法 ．以 2．3BP算法的缺点 MATLAB工具箱为基础建模．借助于计算机快速处理大量数据 BP算法有两个主耍缺点：一是收敛速度慢，在求解较为复 的能力，在股市短期预测方面作一个尝试。 杂的实际问题时，传统的基于标准梯度下降法的BP算法很难胜 二、用于股市预测的BP神经网络模型 任；二是易陷于局部最优．当陷于局部最优时训练次数增加并不 股市预测实质上是一种时间序列预测方法。也就足说：股市 能进一步改善网络的性能。对于‘前一个问题，许多学者已经研究 的收盘价P=n)是 日期n的函数。神经网络是一种大规模并行 过，可以通过改进 BP算法的学习方法提高BP网络的训练收敛 的复杂的非线性动力系统，具有并行的处理机制、灵活可变的拓 速度。如采用附加动量的BP算法或是基于标准数值优化的LM 扑结构、非线性计算能力，具有 自学习、白组织的能力。根据 (Levenberg—Marquardt)法。而后一个问题，本文将遗传算法应用 Kolmogomv定理，对于三层(一个输入层、一个隐含层、一个输出 到BP网络结构巾。获得全局最优解。 层)的BP网络，只要其隐含层的神经元数可选 ．就可以任意精度 三、遗传算法对BP神经网络股市预测模型进行改进 的逼近任何连续函数。因此，对于股市预测．本文使用三层 BP 3．1遗传算法的基本原理 神经网络模型。 ， 遗传算法 (GeneticAlgorithm：GA)是山美国密歇根大学 2．1BP算法的基本原理 JohnHolland教授在 60年代提出的，它是一种 自然适应优化方 BP算法是有指导的训练，是靠调节各层的权值使网络学会 法，该算法足基于 自然遗传和 自然优选机理的寻优方法。所谓 自 然遗传和 自然优选来 自于达尔义的进化论学说 ，该学说认为在 训练样本所表达的规律。对于一个输入样本．经过权值、阈