上证综指预测系统.docVIP

第五届全国计算机仿真大奖赛 参赛题目：上证综合指数预测模型的设计与仿真 目录 第一章 绪论 1 1.1 本文研究的动机和背景 1 1.2 股票预测的发展概况 2 1.3 研究意义 3 第二章 本文应用的相关理论 5 2.1 主成分分析法 5 2.1.1 主成分分析法概述 5 2.1.2 主成分分析法计算步骤 5 2.1.3 主成分分析法特性和优缺点 6 2.2 神经网络 7 2.2.1 SOM神经网络概述 7 2.2.2BP神经网络 8 2.3 遗传算法 12 2.3.1 遗传算法的求解步骤 13 2.3.2 遗传算法的特点 15 第三章 上证综指的主成分分析及结果 17 3.1 上证综指的影响因素分析 17 3.1.1 利率 17 3.1.2 货币供应量 17 3.1.3 居民消费价格指数CPI 18 3.1.4 产业政策 18 3.1.5 平均市盈率 18 3.1.6 平均市净率 19 3.1.7 股票价格 19 3.1.8 成交量 20 3.1.9 涨跌幅 20 3.1.10 政治因素 20 3.1.11 心理因素 20 3.2 样本和指标的选取原则 21 3.3 成分分析的过程 21 第四章 基于PCA-BP神经网络的股市预测模型的建立 24 4.1 模型的建立 24 4.2 模型预测的实现 25 4.2.1预测1的实现 25 4.2.2 预测2的实现 26 4.3 模型预测结果的分析 28 4.3.1 预测结果的分析 28 4.3.2 模型的优点 28 4.3.3 模型的缺点 29 第五章 基于遗传算法优化的BP神经网络预测模型 30 5.1 模型的建立 30 5.2 预测的结果 31 5.3 预测结果的分析 32 参考文献 34 第一章 绪论 1.1 本文研究的动机和背景 股票是市场经济的产物，股票的发行与交易促进了市场经济的发展。股票自1773年在英国率先发行，至今己有二百多年的历史。我国于1985年发行第一支股票，现己拥有沪、深两大证券交易所、上百家证券公司、3000多个证券营业部、7000多万证券投资者。90年代以来，计算机技术、尤其是数据库技术和网络技术在股票市场中得到充分应用，使得作为证券市场的重要组成的股票市场更加蓬勃发展起来，逐步成为证券业乃至整个金融业的必不可少的组成部分，显示出强大的生命力。 股票预测分析是指以准确的调查统计资料和股市信息为依据，从股市的历史、现状和规律出发，运用科学的方法，对股票未来发展前景的测定，是投资者衡量其投资风险及评估投资价值的前提和依据。通过股票预测分析，可以使投资者对在各种因素的影响下投资收益的不确定性有正确的把握，从而为股票投资决策提供科学的依据，以减少股票投资决策过程中的主观性和盲目性，达到本金安全、收入稳定、资本增值、抵补通货膨胀、至持流动性、实现投资多样化、参与决策管理、取得有利的避税地位等投资目的。 传统的股票技术分析方法有移动平均线法、点数图形法、K线图法等，这些传统的方法可以预测在一段较长的时间内股票指数变化的大致趋势，但短期股票价格的变化往往是多数投资者更感兴趣的。另外，传统的股票技术分析方法还要事先知道许多参数，对被预测的股票要求过于严格。传统的时间序列分析法如指数平滑预测法、ARMA(Auto Regressive Moving Average Model ，自回归移动平均模型)以及ARCH(Auto Regressive Conditional Heteroskedastieity Model ，自回归条件异方差模型)等，只有在确定了某种预测模型的前提条件得到满足的情况下，才可以使用该方法进行预测，否则预测结果是不可靠性的。另外，一般的时间序列模型很难处理高难度非线性的问题。由于股票市场具有高噪声和非线性特点，显然是一个非常复杂的动力学系统，如果投资者再带有盲目性和任意性，就更增加了股票预测的复杂性与困难度，所以应用传统的技术分析方法，预测结果往往不是太理想。 近年来，随着人工智能技术的快速发展，再加上计算机的辅助，给股票的预测提供了很多新的方法，而能够依据数据本身的内在联系建模、具有良好的非线性逼近能力和对杂乱信息的综合处理能力的神经网络，凭着具有高效的智能信息处理技术的己经取得了显著的成就，如在信号处理方面，在模式识别的控制方面等等，并且得到了广泛的应用。神经网络具有自学习、自适应等特性，并且又具有很强的非线性逼近能力，所以它不用建立复杂的非线性系统的显含关系和数学模型，就可以避免许多人为因素的影响，也可以克服传统定量预测方法的许多局限以及面临的困难。因此用人工神经网络来预测股票，在建立合理性和适用性的预测模型中具有独特的优势，将为解决股票这种非线性系统的预测提供有效的方法。 1.2 股票预测的发展概况 尽管股票投资具有较大的风险性，但