股价预测的非线性方法的研究___神经网络预测方法.pdfVIP

股价预测的非线性方法研究 神经网络预测方法 研究生：李晓静 导师：邓国和 专业：概率论与数理统计 研究方向：金融统计与金融工程 年级：2005 中文摘要 股票是市场经济的产物，从诞生的那天起就牵动着数以千万投资者的心。高风险、 高回报是股票投资的特征，个人投资者和机构投资者时刻关心股票行市，分析财务数据， 试图预测股票的发展趋势。然而股票市场是一个高度复杂的非线性动态系统，其变化有自 身内在的规律性，同时也受市场、经济、社会等诸多因素的影响，以数理统计为基础的传 统定量预测方法对股市预测研究的效果不是很显著，因此，寻找合适的股价预测方法是十 分必要的。神经网络是近年来比较流行的一种非线性预测方法，它具有自组织、自适应、 非线性等特点。它能自动从历史数据中提取有关金融活动的内在规律，而不需事先知道金 融活动是线性还是非线性的，但神经网络还存在网络结构难以确定以及网络对给定的初始 权值很敏感，极易使网络训练陷入局部解等不足。为了克服这些困难，本文以股票市场具 有非线性动态特征和股票的可预测性为基础，尝试利用递归神经网络对非线性函数的逼近 能力、自身的动态特性以及遗传算法的全局优化能力等因素，建立基于遗传算法和改进的 递归神经网络（GA-Elman）的股价非线性预测模型，研究的主要工作包括： 首先，对采用梯度下降算法的改进型Elman递归神经网络的权值修正方法进行具体的 推导研究，并进行实验研究。 其次，对遗传算法采用实数编码、运用轮盘赌法进行选择、通过算术杂交法进行交叉、 使用非一致性变异法进行变异，并在进化的过程中采取保留最佳个体的策略，对改进 Elman神经网络的网络结构和初始权值进行全局优化设计。 最后，在模型输入因子的选择上，先考察了影响股票价格的历史数据、技术指标等因 素，并进行分析从而获得了一组有效的输入组合。 通过对以上三个方面的研究，建立了基于GA-Elman神经网络的股价非线性预测模型。 为了考察 GA-Elman 模型的预测能力，本文将 GA-Elman 模型分别对上证 A 股的中国石化 （2007 年 8 月 1 日至2008 年 1 月 18 日）、莲花味精（2007 年 1 月 16 日—2007 年 8 月 7 日）和深证A股的三花股份（2007 年 1 月 4 日—2007 年 7 月 13 日）、万科（2008 年 8 月 7 日—2008 年 1 月 8 日）四支股票的110 个交易日，选取其中的 70 个交易日作为建模样 本，以未来 2 个交易日内的最高价作为预测对象，建立预测模型，并进行了30个独立样 本的预测仿真试验。其中，上证 A 股中国石化和深证 A 股三花股份的试验结果如下： （1）对于中国石化的仿真试验，GA-Elman 模型得到的平均误差为0.18525 元（训练 I 次数为 2500 次），其中模型对 30 个独立样本的预测误差中，最小的绝对误差为 0.00015 元，最大的绝对误差为 1.30959 元。进一步地，绝对误差在 0～0.15 元之间的次数为 21 次，在0.15～0.3元之间的为4次，在0.3～0.45元、0.45～0.6元及大于0.6元的次数 分别为0次、3次、2次。 （2）对于三花股份的仿真试验，GA-Elman 模型得到的平均误差为0.15818 元（训练 次数为 2500 次），其中模型对 30 个独立样本的预测误差中，最小的绝对误差为 0.0027 元， 最大的绝对误差为 0.45835 元。进一步地，绝对误差在 0～0.15 元之间的次数为 16 次， 在0.15～0.3元、0.3～0.45元、0.45～0.6元及大于0.6元的次数分别为9次、4次、1 次、0次。 为了进一步验证 GA-Elman 模型的有效性，本文还建立基于改进 Elman 神经网络的股 价预测模型（简称Elman模型），并对上述4支股票相同的试验数据进行了30次独立样本 的仿真试验。其中，上证A股中国石化和深证A股三花股份的试验结果为： （1）对于中国石化的仿真试验，Elman模型得到的平均误差为0.34986 元（训练次数 为 3000 次），其中模型