基于Elman网络的上证股市开盘价预测研究.pdfVIP

基于 Elman网络的上证股市开盘价预测研究 芦铃冉 摘 要：股价预测一直是金融领域经久不衰的研究领域。由于影响股价变动的因素有很多，造成了股票价格预测的复杂性。为了更好 的预测上证股市在短期内的开盘价，本文采用了处理时间序列数据更具优越性的Elman神经网络，对上证股市连续一段时间内的开盘价进 行了预测，实验结果表明本文采用的方法具有较高的预测精度，较为稳定的预测效果和较快的收敛速度。这表明该预测模型对于股市开盘 价的短期预测是可行和有效的。 关键词：Elman神经网络；股价预测；时间序列 引言 去的股价预测下期的股价，因此相当于一个时间序列问题 ，可以使用 在股市中，影响股票交易和股价波动的因素有很多。对于单支股票 Elman神经网络进行求解。本文选取 2012年6月30El至2013年 12月 1 来说，股价不但受到该企业经营业绩的影响还受到其他外界因素诸如财 日的上证开盘价进行预测分析，总共选取 337条开盘价格。根据前N期 政政策、利率变动、经济周期和人为操作的影响，对整个股市来说，其 的开盘价格预测下一期开盘价 ，其映射函数可以表示为： 开盘价的波动情况就更为复杂了。因此，股票市场可以被看做是一个复 对于给定的开盘价数据，先将其划分为训练样本和测试样本，使得 杂的非线性系统。由于受到多方面的限制限制，传统的统计建模方法并 测试样本晚于训练样本，与股价的产生顺序相吻合。以训练样本为例， 不适合这样的复杂非线性系统，难以揭示其内在的规律。人工神经网络 抽取组成第一个样本，其中为 自变量，为 目标函数值 ，抽取组成第二个 的发展，为股票市场建模与预测提供了新的方法。人工神经网络具有 自 样本，其中为自变量，为函数值，依此类推形成网络的训练矩阵。为了 组织、自适应和自学能力以及具有非线性、非局域性、非定性和非凸性 保证网络的性能和稳定性，还需要对数据进行归一化处理，经过如此的 等特点 ]。这些特点使其具有分类和预测的功能，常常被用来对股票系 处理便将原始数据构成了可供Elman网络处理的样本集。 统进行预测和分析。目前在股市的预测应用中大多数采用的是静态前馈 BP神经网络和RBF神经网络 ]，但股票市场是动态变化的，需要采 用一种动态神经网络才可以更为有效的反映系统的动态特性。Elman回 归网络是一种典型的动态神经元网络，具有适应系统时变特性的能力， 特别适合处理时间序列问题。 本文用 latlab工具箱建模，建立一个六个输入，一个输出的Elman 神经网络预测模型，利用上证股市280个交易日的开盘价作为原始数 图2 股价预测步骤豳 据。对 Elman神经网络进行训练 、仿真，并预测后 51天的开盘价。通 3．模型预测实验结果和数据分析 过计算其与实际开盘价的相对误差，表明了本文构建的预测模型具有较 本文中利用Elman网络进行股市开盘价预测的步骤如图2所示：首 好预测效果。 先要进行原始数据的处理，处理方法上文已经做了详细介绍本部分不再 1．Elman神经网络 赘述。然后要进行Elman网络的创建，确定输入层，隐含层和输出层的 Elman神经网络是Elman于 1990年首先针对语音处理问题而提出来 神经元的个数，利用训练样本对 Elman网络进行训练，最后对经过训练 的，它是一种典型局部递归网络。由于Elman神经网络在处理贯序数据 的网络进行测试 ，完成预测过程。 输人输出具有优越性，得到了广泛的应用L4j。Elman网络，如图1所示 利用 I~IATLAB神经网络工具箱中的函数，本文对2012年6月30El 是一个两层的网络，其隐含层神经元到输入层神经元