股票价格预测模型研究-系统工程专业论文.docxVIP

西安建筑科技大学硕士学位论 西安建筑科技大学硕士学位论 文 PAGE PAGE 3 股市己经能作为中国经济的晴雨衰。而且随着I书国经济的进一步增长，中国股市 也越来越成为跨国资本关注的热点 Ill. 现在，股票投资己成为众多家庭及个人理财的一种重要方式，中国股民人数 也达到了空前规模。据中登公司统计数据显示，截至 2007年底，沪深两市账户总 数达到了1.38亿[2)。对于股票投资的把握，决定一个家庭的财产收入。然而，股 票市场具有高风险与高收益并存的特性，股票价格的涨跌及变化趋势一直受政 府、投资大众的普遍关注。因此，股市综合指数、股票价格的预测已经成为证券 界和学术界的一个重要的研究课题。 近年来，人们一直致力于研究股票市场价格的变化，希望能从中找出 一些规 律，避免诸如股灾这种大的股市波动，从而使损失最小化，收益最大化。但是股 票市场是-个复杂的非线性动力系统，同时受多种因素的交互影响，对于股票未 来价格的精确预测是非常困难的，也可以说是不可能的，但对于短期的趋势预测， 则相对而言较为简单，而且对投资者的投资行为具有极为重要的指导意义。 传统的预测方法包括基本分析法和技术分析法。基本分析法能够有效把握长 线趋势，但不适于短线投资:技术分析法建立在统计基础上，虽简单明了、易于 掌握，但由于股市运作是一个巨大的非线性系统，股价走势受政治、经济、心理 等多种因素的影响，使得用传统的技术分析工具进行股票买卖决策难度大，不同 人的分析结果差异显著，普通投资者应用结果并不理想问。 股票市场预测是 一个非线性函数值估计和外推问题，应用传统的分析方法 (如指数平滑方法、 ARMA模型) ，可以预测一段时间内股指变化的大致走势， 但传统方法需要事先知道各种参数，以及这些参数在什么情况下应做怎样的修 正。相比之下，神经网络依据数据本身的内在联系建模，具有良好的自组织、自 适应性，有很强的学习能力、抗干扰能力。它能自动从历史数据中提取有关经济 活动中的知识，可以 克服传统定量预测方法的许多局限以及面临的困难，同时也 能避免许多人为因素的影响，因而为股票市场的建模与预测提供了新的方法闷闷。 人工神经网络具有广泛的适应能力，学习能力和映射能力。在多变量非线性系统 的建模和控制方面取得了惊人的成就。目前用神经网络进行非线性预测成为国际 上研究的热点之一。 1.2 国内外研究现状 对股价的波动分析很早就有人研究，首先是一些证券分析家，提出了两大类 基本方法 t 基本分析法和技术分听法。一般基本分析法用 于对股市和股价的分析， 而在买卖股票的实际把握上，可运用技术分析的方哇。虽然这些分析 方法在早期 对人们认识股市起到了很大作用，但是以后随着股市的不断膨胀发展，这些非智 西安建筑科技大学硕士学位论文 西安建筑科技大学硕士学位论文 能化的方法已经逐渐退去了光环。与此同时， 一些金融工程师和智能控 制家进行 了一些智能化方法的研究.从 20世纪90年代初至今，神经网络的研究取得了划时 代的发展，并应用于各个领域。在金融领域，以欧美为中心，很多学者开展了神 经网络的研究及应用，将神经网络预测方法用于股票价格预测。国内有许多研究 者也开始利用神经网络对股票价格进行预测。 1.2.1 国外研究现状 Jingtao Yao 和 Hean-Lee Poh 利用神经网络对吉隆坡证券交易所的指数进行 了预测，在研究中发现用以日数据进行训练的神经网络的预测效果优于以周数据 进行训练的神经网络，作者认为这可能是吉隆坡市场的高波动性造成的例。 Corchado J.、 FyfeC和 LeeB..比较了多层前馈式和径向基函数两种神经网络 模型与 A阳MA 模型在金融领域的应用。研究以道琼斯工业股票指数为预测对象， 实证研究表明就预测的平均误差而言， A阳MA 模型优于径向基函数模型而劣于 多层前馈网络模型(1)。 Sheng-chai Chi 在研究中将灰色关联度引入了神经网络的输入变量，并对不 同的网络结构进行了测试，研究表明灰色关联度的引入，提高了模型的预测精度 并减少了网络训练所需要的时间，同时也表明更多的神经元数量并没有带来更高 的预测精度闷。 Xiaohua Wang 检验了增加交易量的信息是否能够提高神经网络预测的准确 性。在研究中使用标准普尔 500 指数和道琼斯工业指数的收益率和交易量数据对 神经网络进行训练，其结果用来与不含交易量信息的神经网络进行比较。实证结 果显示交易量对改善预测方向上的准确性几乎没有作用，有时甚至会造成过度拟 合，对于预测的精确性来说，交易量有无规律的提高作用例。 1.2.2 国内研究现状 徐迪、马大军及李元襄利用时延神经元网络模型对四川长虹的股价作了预 测。借助前馈神经网络对非线性函数的逼近能力，对四川长虹股