于神经网络的股价预测.docVIP

基于神经网络的股价预测 摘要 随着中国经济的快速增长和金融市场的不断扩大，股票这类对虚拟经济的投资越来越受人们的青睐。股市出现后，人们试图研究股价波动，掌握价格波动规律，学术界发明了各种研究方法来预测股票。 BP神经网络在大数据预测的经典算法中受到投资者和研究者的青睐。然而，BP算法由于其收敛缓慢而易于落入局部最小值，效率较低。 基于对股价预测问题的深入分析和各种预测股价方法的比较，本文通过建立遗传BP神经网络模型探讨了股价预测方法。首先将利用遗传算法搜索的最优个体作为BP神经网络的初始权重和阈值。然后，通过试错法确立隐层节点的数量，构建BP神经网络的模型。然后，使用BP算法训练网络，训练过程自动调整学习率。基于遗传算法的BP神经网络不仅可以发挥遗传算法的全局搜索，而且能快速有效地发挥BP神经网络的作用。两者的结合，加快了运算效率，提高了BP神经网络学习能力和预测股票的能力。 基于该算法的思想，本文构建了预测模型，以Matlab9.0为实验平台，进行模拟实验，选取上海和深圳300指数为实验对象，用前10天的收盘价和开盘价加上当天的开盘价来预测当天的收盘价。其中，将140天的历史数据中的前100组数据用作训练样本，最后30组数据用作测试样本。从收敛速度、稳定性和准确性的三个角度比较和分析BP神经网络预测模型和遗传BP神经网络的预测模型。实验表明，提出的基于遗传神经网络的预测股价方法具有一定的实用性。 关键词：机器学习；股价预测；BP神经网络；遗传算法; 绪论 1.1研究背景和意义 股票市场在全球金融体系中起着至关重要的作用，因为它允许公司通过交易公司所有权股份来筹集资金。但是，它不仅对企业本身很重要，而且还被用作银行和私人投资者的投资平台。为了获得良好的股票投资回报，对未来价格的准确预测至关重要。然而，预测股市是一个艰巨的任务，因为股票的价格走势受经济因素、业务因素、政治因素、市场因素和心理等因素的影响。从股市表面上看，股市在缺乏一定法律约束的情况下出现变化。同时，中国股民的结构具有特殊性，买家的心理状态和股票交易行为对股票走势有直接的影响，导致股份价格波动，不容易掌握股价。股市的变化和整个市场经济的发展有着密切的关系，在国民经济中发挥了非常大的作用。它的作用不只是受到广大投资者的关注，政府也十分关注。对于股票投资者，未来股价变动趋势预测越准确，收购的盈利几率和避免风险就越容易；国家经济发展在建设方面，股票预测研究也起着重要的作用，所以研究股价走势预测具有重大意义。 股票预测是基于过去和现在的股票价值来引入未来价值，这决定了股票预测研究对象不是一个特定的事件，而是一个随机的，不确定的事件，这需要使用匹配的科学预测方法来做出合理的推论。对于股票预测，基本特点如下： （1）股票预测是一种非线性动态系统，股票市场是一个非常复杂的系统，没有准确的方式来满足任何一种股票预测，而且近年来发现试图找到一个非常精确的方法是不现实的，我们可以做的是在合理的范围内预测出错控制。 （2）根据股票市场各种因素的复杂关系，一般的预测方法难以准确预测。和股票时间序列相关的历史数据也很多，建立股票预测模型的一般线性方法显然是一个很大的错误，难以实现实际效果。 （3）由于股票系统的非线性动力学，必须使用股票预测方法来拟合非线性数据方法。目前，线性系统等多项成熟的方法，如多元线性回归分析，非线性系统处理理论不完善，进一步进行理论与实践研究。 （4）股价数据有一些波动的奇点。这些奇点可能对股票预测的研究有一定的影响。线性方法可以直接消除这些奇异点，但非线性系统认为系统的鲁棒性不能直接从我们的数据推导出这些奇异点。 （5）买家为投资者。投资者是非常主观的动态个人，有良好模式的股价历史数据，使得预测误差控制在一个很小的范围内，但由于股票受到个人对未来事件的影响，我们对股价走势的预测仍然有一定的不准确性。 （6）考虑到我们的股票市场受到明显的国家政策的影响，有必要通过科学的方法来预测国家政策的这个因素。 1.2国内外研究现状 过去很长一段时间，由于股市规模小，信息共享的速度太慢，股票的技术限制被分析，人们只能通过自己的主观判断做出决策和投资。随着近几十年股票市场的快速发展，信息披露的规范化和信息共享的多样化，人们开始寻求一些有效的预测方法来分析和研究股票市场，进行更有效的投资。但股市是一个复杂的系统，不仅受市场外部因素的影响，还受到自身内部对股市的影响，预测确实有一定的难度。但人们并没有停止对股票预测的研究和探索。 1.2.1国内外研究现状 1987年，神经网络算法第一次被应用于预测领域。此后，神经网络在预测研究中得到迅速发展。美国前沿金融公司使用神经网络来预测20世纪90年代中期的股票市场。在20世纪90年代，White利用神经网络来预测IBM股票的每日收益率。 [2