基于回声状态网络的短期股价预测模型研究-计算机科学与技术专业论文.docxVIP

lIII lIII IIII I llU IIII II I II IIIIIII Y3039590 Classified Index：TP399 U．D．C：004 Southwest Jiaotong University Master Degree Thesis Short．．term Stock Price Prediction Model Research Based On Echo State Network Grade：2013 Candidate：Zhang Bin Academic Degree Applied for：Master Speciality：Computer Application Technology Supervisor：Han Min June，2016 万方数据 西南交通大学 西南交通大学 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向 国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西 南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印或扫描等复印手段保存和汇编本学位论文。 本学位论文属于 1．保密口，在 年解密后适用本授权书； 2．不保密团，使用本授权书。 (请在以上方框内打“4”) 一张弓氏斌 指导老师签名： 日期：2016年7月莎日日期： 年／月侈日 日期：2016年功咖 万方数据 西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下： 西南交通大学硕士学位论文主要工作(贡献)声明 本人在学位论文中所做的主要工作或贡献如下： 1．针对我国目前大多股价预测模型缺乏地区行业通用性及神经网络训练过程复杂 的问题，本文使用ESN建立基于上海地区房地产行业的短期股价预测通用模型，简化了 训练过程，模型训练好后可预测上海地区房地产行业内任意股票，且与用某只股票建立 的单独模型相比，该行业通用模型的预测精度明显提高。 2．针对短期股票价格预测方法中使用单一非线性模型预测效果不理想，本文在通 用模型基础上提出基于KMearls．ESN的短期股价预测上海地区房地产行业通用模型。通 过选取不同的聚类指标，本文详细提出了基于数据波动性聚类的KMeans—ESN短期股价 预测上海地区房地产行业通用模型和基于数据波动性及变化趋势聚类的KMealls—ESN短 期股价预测上海地区房地产行业通用模型。通过聚类和对比实验得出ESN、基于数据波 动性聚类的KMearls—ESN、基于数据波动性及变化趋势聚类的KMeans—ESN这三种模型 分别适合的数据应当满足的特点。 3．由于回声状态网络很多初始参数需要预先设定，而这些参数设置需有一定经验 的研究人员或通过试凑确定，针对这两种方法需要人工干预、耗时、效率低等存在的不 足及GSA优化算法的优越性，本文使用GSA对ESN模型进行优化，使用GSA从单值 收缩因子和谱半径优化、多值收缩因子和谱半径优化两个角度对ESN参数进行寻优，并 探讨每个角度下GSA适应值函数的选取。 本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。 除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的 研究成果。对本文的研究做出贡献的个人和集体，均己在文中作了明确说明。本人完全 了解违反上述声明所引起的一切法律责任将由本人承担。 学位敝作者虢多枚 日期．≥口膨、7．莎 万方数据 西南交通大学硕士研究生学位论文 西南交通大学硕士研究生学位论文 第1页 摘要 股票在国民经济中扮演着重要角色。对国民经济而言，如何保持股市稳定、避免发 生股灾是我国相关人员需要考虑的问题。对投资者而言，如何规避风险，使获利最大化 是投资者日夜思考的问题。因此，对股票价格进行预测从而做出最优决定就显得十分必 要。我国的股票市场是一个非常复杂的非线性系统，许多研究人员采用神经网络的非线 性方法进行股票价格预测并取得了不错的效果。但是使用传统神经网络进行股价预测时 存在训练过程复杂等问题。此外，股票价格受多种因素影响，使得股价表现出不同走势， 导致单一模型很难满足预测要求。同时，大多股价预测模型缺乏地区行业通用性，即每 次对一只股票进行预测必须为该股票建立单独的模型，且该单独模型只包含该只股票的 信息，并没有包含与该只股票处于同一地区同一行业的其余股票信息，这使得单独模型 不能涵盖影响该只股票价格的所有因素，导致预测精度不高，预测过程繁琐复杂。 针对我国目前大多股价预测模型缺乏地区行业通用性及神经网络训练过程复杂的 问题，本文使用ESN建立基于上海地区房地产行业的短期股价预测通用模型，简化了训 练过程，模型训练好后