基于Elman网络的股价预测模型及在浦发银行股票预测中的应用.pdfVIP

No．6 陕西科技大学学报 Dec．2007 Vo1．25 JOURNAL OF StlAANXI UNIVERSITY OF SCIENCE＆ TECHNOLOGY · 127· 文章编号：1000～5811(2007)06—0127—04 基于Elman网络的股价预测模型 及在浦发银行股票预测中的应用 杨君岐，孙少乾，乐 甲 (陕西科技大学管理学院，陕西 西安 710021) 摘 要：基于Elman神经网络原理，建立了对股票长期、中期及短期价格变化进行分析预测的 动态模型，并阐述了在MATLAB开发环境中的实现方法．最后以浦发银行 2OO5至12月至 2006年1月的收盘价为分析原始数据进行了仿真计算，证明本模型是切实可行的． 关键词：股票；ANN；Elman；神经网络；动态；股价；预测 中图分类号：F830．91；TP183 文献标识码：A 0 前言 在自然科学、社会科学及管理工作中，都需要对大量随机现象未来的变化做出量化的预测，由于影响 动态数列各个时期水平值的影响因素很多，既有由必然因素决定的趋势值，又有由季节因素、循环因素以 及偶然因素引起的随机值，而现实中掌握的资料常常是多种因素综合作用的结果，因此利用最近的资料预 测未来某些时段的数据往往是一个复杂的变换过程，同时利用传统统计分析方法进行预测时必须对原始 序列进行分解，分别进行趋势分析、季节分析、循环分析和偶然因素分析．神经网络理论是近几年来国内外 的一个前沿研究领域，它可用于预测、分类、模式识别和过程控制等各种数据处理场合，尤其是Elman神 经网络，由手加入了承接层记录前一时刻值，更适合进行动态预测．本文探讨了利用Elman神经网络进行 股票价格变化的长期预测、中期预测与短期预测模型及在Matlab中的实现方法，并以五粮液实际数据为 例进行了案例分析． 1 Elman神经网络原理及其在MATLAB中的实现方法 1．1 Elma神经网络的结构 Elman型回归神经元网络一般分为4层：输入层、中间层(隐含层)、承接层和输出层 ．其输入层、隐 含层和输出层的连接类似于前馈网络，输入层的单元仅起信号输入作用，输出层单元起线性加权作用．隐 含层单元的传递函数可采用线性或非线性函数，承接层又称为上、下层或状态层，它用来记忆隐含层单元 前一时刻的输出值，可以认为是一个一步延时算子． Elman型回归神经元网络的特点是隐含层的输出通过承接层的延迟与存储自联到隐含层的输入，这 种自联方式使其对历史状态的数据具有敏感性，内部反馈网络的加入增加了网络本身处理动态信息的能 力，从而达到了动态建模的目的． 1．2 Elman型神经网络的学习过程 Elman网络的非线性状态空问表达式_】 为： 收稿日期：2007—09—07 作者简介：杨君歧(1962一)，男，陕西省歧山县人，副教授，研究方向：电子商务 基金项目：陕西省软科学项目(2006KR74) · 128· 陕西科技大学学报 第 25卷 y(志)：g(W。X(K))，X(志)一f(W X (志)+W (U(七一1)))，X (志)一X(k一1) 其中，y，X，【，，X 分别表示m维输出点向量，7／维中间层结点单元向量，r维输入向量和7／维反馈状 态向量．w。，w ，w 分别表示中间层到输出层、输入层到中间层、承接层到中间层的连接权值，g(·)为输 出神经单元的传递函数，是中间层输出的线性组合，厂(·)为中间层神经元的传递函数，常采用S型函数． Elman网络也采用BP算法进行权值修正学习指标函数误差平方和函数： (叫)一 [yK(叫)一yK(叫)]。 其中，Y (叫)为目标输出向量． 1．3 Elman网络在MATLAB中的实现 1．3．1 Elman网络建立 Net：newelm(minmax(p)，Es1，S2]，{ 厂1 ， ￡厂2 ))