大创中期答辩.pptVIP

xxxxxxxx研究 理学院 xxxxx 2017 一 项目简介 1.课题主要运用神经网络进行沪深300股指的预测 研究内容 2.课题采用遗传算法（GA）、粒子群算法(PSO)等来优化神经网络。提高了神经网络的预测效果。 3.预计运用深度学习的方法进行预测 二 项目进展情况 1.阅读股指波动预测模型方面书籍 选择合适的股指预测与实现方法 2.阅读机器学习与神经网络方面的论文及书籍 3.利用网络学习python数据分析及机器学习。 4.用python编写多种的神经网络对股指进行预测，并进行误差分析。 三 阶段性成果 第一阶段利用python实现BP神经网络。 利用2015年4月到2017年8月的503组沪深300指数数据进行了处理和拟合 后利用2017年9月的16组数据进行股指的预测。 即运用前一天的开盘价、收盘价、最高价、最低价预测当日的收盘价。 最终BP神经网络预测平均相对误差为3.226%。 开盘价 收盘价 最高价 最低价 当日收盘价 三 阶段性成果 第二阶段（改进） 由于BP神经网络权值和阈值的初始化需要利用随机矩阵，所以它：1、网络的收敛性较慢，需要较长的训练时间； 2、容易陷入局部最小值。 因此我们可以用具有全局搜索性的遗传算法或粒子群算法作为神经网络的学习算法来训练网络的权值和阈值。 三 阶段性成果 BP神经网络拟合基本符合股指变化趋势 前面的峰值部分拟合不太理想 GA