基于RBF神经网络下的股票价格指数预测分析.docVIP

基于RBF神经网络下的股票价格指数预测分析 　　【摘要】股票市场是一个极其复杂的非线性动态系统，在金融市场中占据着重要的地位。随着证券市场的不断发展与完善，投资者越来越重视股价指数的变化趋势。因此，利用相关模型预测行业价格指数趋势显得尤为重要。本文以深证信息技术行业指数为例，选用神经网络中比较经典的RBF（径向基）神经网络，使模型具有运算速度和外推能力，更具较强的非线性映射功能，从而较好的预测出该行业的未来一段时间的运行趋势，为投资决策提供依据。 　　【关键词】股价指数 深证信息技术行业指数 RBF神经网络 投资决策 　　一、问题的引出 　　随着中国证券市场的不断发展，以及中国金融体制的不断完善，使人们对高风险与高收益的股票市场愈加关注，机构和投资者试图分析财务数据、利用技术分析、宏观政策、数学模型等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，有其本身的规律性、复杂性、动态性，同时还受市场、经济、国家政策、投资者心理等众多因素的影响，简单的以技术分析、财务分析、数理统计的方法预测某一行业板块的整体运行态势效果不是很显著，因此寻找合适的方法来预测产业指数显得尤为重要，这为投资者锁定投资目标、实现稳定收益以及减少市场投机提供了基础。本文将以深证信息技术行业指数为例，利用一种较为新型的模型对该行业指数进行预测与分析，从而为股市的其他方面的预测提供一定的依据与基础。 　　二、文献综述 　　长时间以来，对股票价格的预测一直就是学术界和广大投资者最感兴趣的的问题之一，它不仅存在着及其重大的应用价值，也极具理论意义。到目前为止，随着投资理论的不断发展，提出了众多的股票价格、产业（行业）指数的预测方法，主要包括以下几类： 　　（一）较为传统的预测分析方法 　　具体为基本面分析方法、传统的技术分析法、指标分析方法（如KDJ、MACD、RSI、VOL等技术指标）。 　　（二）传统的时间序列分析方法 　　该类分析方法是把股票价格指数、产业指数看作随时间变化的序列，利用时间序列的变化趋势进行预测分析。 　　（三）非线性系统的分析方法 　　该类分析方法是把股票、产业指数看作为一个随机性和秩序性交织在一起的非线性动态系统，依靠其非线性函数进行仿真求解，此类方法有分型统计法、灰色预测法、神经网络法等 　　在长期的研究中，人们试图找到一个求解股票价格指数的非线性动态方程，这样就可以顺利的预测后期股票的价格指数。但是股票市场的复杂性、随机性、动态性决定仅依靠某一动态方程组来解决是不可能的。所以，我们只有基于现有的市场样本（产业指数），从市场过去运行的规律中来寻找决定系统或市场演化的法则和系统状态变量。这样就无须了解市场内在的运行机制，就可以实现任意的函数关系、学习能力以及通过学习掌握数据之间的依存关系。并且它只需要通过对历史数据的学习，就能够从纷繁复杂的数据中自主寻找出参数之间的规律和特点，并且刻画这些规律和特点。显然这里必须使用到非线性的预测方法来逼近系统内复杂的非线性映射，由此我们引用的非线性分析工具――神经网络。 　　本文选用神经网络中比较经典的RBF（径向基）神经网络，由于该网络的输出层对中间层的线性加权，使得该网络避免了BP神经网络冗长的计算，使更具运算速度和外推能力更具较强的非线性映射功能。因此可以这么说，径向基神经网络特别适合于非线性的时间序列的预测。接下来模型的建立与求解也是建立在RBF（径向基）神经网络的基础之上。 　　三、样本选择 　　深证信息（代码：399620）为反映深市不同行业上市公司的整体表现，提供更丰富的指数化投资标的、分析工具和可交易的指数产品，促进ETF等基金产品进一步发展，深圳证券交易所和深圳证券信息公司参照国际惯例于2011年6月15日，将深市个股按行业分类标准分为10个行业，编制10只深市行业指数（纯价格指数）。因此使样本更具科学性： 　　（一）产业指数更具指导意义 　　众所周知，深证产业指数是选择几十只股票进行加权之后进行的计算，因此是这一产业整体走势的代表，是一个整体指标，反应了某一行业的整体趋势，因而不易受极端个股的影响，更加真实具体。 　　（二）使投机转化为战略投资 　　中国股市之所以脆弱，原因之一就是股市的投机性过强，导致整个证券市场不够稳定，股票价格波动频繁，散户、机构投资者损失惨重，整个市场处于恶性循环状态。而产业指数注重的是整个行业的整体走势，是一个较为长期的指标，因而在一定程度上不能够很好的指导短线投机，但是对于具有战略投资眼光的机构或个人却极具指导意义。他们可以根据某一产业指数的变化转变投资策略，适应不断变化的证券市场，进而实现稳定收益。 　　（三）个股的股价预测易受政策、内幕、追捧，短线投机者及庄家的影响，预测往往不够理想 　　在经历了