一种基于组合技术的股票预测方法的研究.pdfVIP

青岛理工大学工学硕士学位论文 摘 要 股票市场是经济的“晴雨表”和“报警器”，其作用不仅被政府所重视，而且 更受投资大众的普遍关注。但是当前对股票的预测只能进行走势分析，而不能给 出明确的买卖操作建议，主要还是依靠股民的股市经验来进行实际操作。基于神 经网络的股票预测系统研究，是目前金融领域研究的热点之一。但是神经网络具 有收敛速度慢和容易陷入局部最小值的缺点，并且单纯用神经网络对股票进行预 测时可信度也不是很高。针对这些问题本文尝试利用神经网络和决策树的组合技 术来预测股票。 本文应用神经网络和决策树的组合技术来确定股票买卖交易量，提供股票操 作支持的这一课题进行了深入研究和探索。设计了一个基于前向神经网络和决策 树的股票预测系统。首先，文中介绍了现有的各种股市预测方法和它们的优缺点， 并介绍了国内外股市分析软件的现状。然后深入地分析了前向网络的结构、学习 能力及BP算法。提出了将股价和成交量作为神经网络输入量来实现操作决策支 持，分别利用20日股价均线和成交量均线对股价和成交量进行归一化处理，实现 标准化后的数据跟随原数据动态地变化。通过实例给出了利用神经网络建立股市 预测模型的具体步骤，并提出了股票预测的最佳方案：把股票预测系