GA神经网络在证券市场预测中的应用研究.pdfVIP

维普资讯 第28卷 第11期 武汉理工大学学报 ·信息与管理工程版 Vo1．28No．1l 2006年11月 JOURNALOFWUT(INFORMATION＆MANAGEMENlrENGINEERING NOV．2006 文章编号：1007—144X(2006)11—0160-04 GA神经网络在证券市场预测中的应用研究 欧阳林群 (武汉 工大学 信息工程学院，湖此武汉430070) 摘 要：以股市的可预测性为基础，以可量化股价影响因素作为输入变量，提出了将遗传算法与 BP算法相结 合用于股市价格预测的人工神经网络模型学习算法；建立了基于人工神经网络的股价预测模型。通过对海信 电信(600060)的股票收盘价和大盘指数为预测 目标进行了股市预测的仿真，并尝试预测未来一天内超短线 存在机会，实验结果验证了股价预测模型的可行性。 关键词：遗传算法 ；神经网络；BP算法；股市预测 中图法分类号：TP183 文献标识码：A ()= (Y／ ， ，…，x+，++) 1 引 言 (i= ，+1，…，+m) (2) 随着人工智能与优化技术的发展，人工神经 ”为神经网络的输入神经元个数。预测误差为 网络方法已经被应用于对证券市场的价格、走势 ^ SSE= (X++——X+。+) (3) 和涨幅等进行预测分析。国内外对于基于神经网 络的股票预测系统也有一定的研究…。笔者选 神经网络的训练过程就是使SSE达到全局 择神经网络模型中应用最为广泛的BP网络模型 最小值的过程，也是预测模型的建立过程。用神 作为证券市场预测的基本因果模型，用遗传算法 经网络进行预测，即用神经网络来拟合函数 与BP算法相结合的方法来训练NN，并通过实验 F(·)，得出未来数据的取值。 验证运用神经网络模型预测性能的可行性，探讨 2．2 股价预测的神经网络设计 人工神经网络理论在证券市场预测中的应用。 2．2．1 样本的生成 笔者选择海信电器股票时问为2002—04— 2 神经网络股价预测模型的建立 22～2004—05—28之间数据作为原始训练样本 2．1 神经网络股价预测基本方法 数据，共有 500×8个数据。时问为2004—06一 在基于人工神经网络的非线性时问序列预测 O2—2004—10—27之问数据作为测试样本数据， 中，应用最为广泛的是基于误差反传算法的多层前 共有 100×8个数据。在此基础上，生成了500× 向神经网络模型。通常采用非线性的激励函数和 8个训练样本向量 ，100×8个测试样本向量。 有监督的学习方式，可以将一个具有一个 sigmoid 2．2．2 输入 向量的选取 函数层和一个线性函数输出层的多层前向网络，拟 以预测未来一 日的收盘价为主，通过对各项 合出反映历史的时间序列数据之间的模型，从而完 指标的研究，以及参考文献中对输入向量进行敏 成对未来趋势的预测。这种预测模型具有很强的 感分析及相关性分析的结果，选取的输入向量如 自组织、自适应能力，它通过对有代表性的样本进 表 1所示。 行学习训练后，能反映所研究系统的本质特征。在