基于BP神经网络的股票涨跌预测模型.docVIP

基于BP神经网络的股票涨跌预测模型 　　摘要:利用SPSS软件从上市公司的11个财务指标中筛选出与股票涨跌显著相关的7个财务指标,然后以这7个财务指标为输入向量,以涨跌情况为输出向量,利用BP网络建立了多只股票涨跌预测模型。仿真结果表明,该模型对于多只股票的涨跌预测是非常有效的,具有实用性。 　　Abstract: Selected by using SPSS, seven among eleven financial indicators of listed companies are significantly correlated with the stocks rosing and felling, and seven financial indicators are regarded as the input vector and the cases of the stocks rosing and felling as the output vector, then the prediction model of stocks rosing and felling is set up by BP neural network. The simulation results show that the model applied to predict a variety of stocks rosing and felling is very effective and feasible. 　　关键词:BP神经网络;股票涨跌;预测模型;SPSS 　　Key words: BP neural network;stocks rosing and felling;prediction model;SPSS 　　中图分类号:F830 文献标识码:A文章编号:1006-4311(2010)31-0047-03 　　 　　0引言 　　股票市场在一定程度上是国家经济实力的反映。长期以来,对股价或股指的预测一直是学术界、金融界和广大投资者最感兴趣的问题之一,能够掌握其中的变化规律并预测其走势,一直是投资者梦寐以求的事情。目前,大多数的股票预测是对单只股票的股价、股指或股指趋势的预测[1-6],而同时预测多只股票涨跌趋势的还不多。在股票市场中,股市的运动是一个复杂的非线性系统,而神经网络可以很好地解决环境信息不十分明确的应用问题。下面利用BP网络建立同时预测多只股票上涨与下跌的预测模型,并用测试样本对该网络模型的推广能力进行了检验。 　　1样本和财务指标的选取 　　在预测股票涨跌时,将股票分为两类:一类是股票的涨幅高于市场平均涨幅水平,另一类是股票的涨幅低于市场平均涨幅水平。选用2009年第三季度的80家上市公司作为样本,其中股票涨幅水平超过市场价格平均涨幅水平的有40家,股票涨幅水平低于市场价格平均涨幅水平的有40家。 　　首先考虑11个初始的财务指标:每股收益、净利润、净资产收益率、总资产增长率、总资产周转率、主营业务增长率、每股净资产增长率、税后利润增长率、每股收益增长率、净资产增长率、收入增长率。利用SPSS软件通过Mann-Whitney U检验方法对这11个初始财务指标与其相应的股票价格的涨跌进行相关性检验。选取显著性水平α=0.1,利用SPSS中两个独立样本的非参数检验方法得到的统计测试值,见表1。 　　由表1可知,在Asymp.Sig.(2-tailed)列中,有7个值(即指标的相伴概率)小于显著性水平α=0.1,这说明所选取的80家上市公司股票价格的涨跌与这7个值所对应的财务指标有显著关系,所以选取7个财务指标,分别为净资产增长率,每股收益增长率,净资产收益率,每股净资产增长率,净利润,每股收益,总资产增长率。 　　2基于BP网络的股票涨跌预测模型 　　构造一个2层的BP网络来解决上述的分类问题。因为选取了7个财务指标,所以输入维数为7。用“1”代表涨幅水平超过市场平均涨幅水平的企业,用“0”代表涨幅水平低于市场平均涨幅水平的企业,所以输出层选取1个结点。如何选择隐含层结点数的问题,至今尚未找到一个很好的办法,因而采用试凑法。隐层分别选取节点为6、7、8,将2009年第三季度的60家上市公司作为训练样本,对网络进行训练。隐层不同节点的训练误差变化见图1。 　　从图1可看出,当隐层含6个神经元时,训练误差最小,因此,隐层选取6个神经元。 　　在60个训练样本中,其中涨幅水平低于市场平均涨幅水平的企业30个,涨幅水平超过市场平均涨幅水平的企业30个,用 BP神经网络进行训练后,各层的连接权值和阈值分别为: 　　 W=0.25900.9422 0.8916-0.9483 -0.3739-0