【摘要】： 隨著經(jīng)濟的發(fā)展和人們投資意識的轉(zhuǎn)變,股市已成為現(xiàn)代人生活中的一個重要組成部分,股市投資已成為社會公眾談論的中心之一,而股市的健康發(fā)展和繁榮也成為管理者和投資者關(guān)心和研究的重點。股市投資的收益與風險往往是成正比的,即投資收益越高,可能冒的風險越大。因此,股市預測方法的研究具有極其重要的應用價值和理論意義。但是股價系統(tǒng)內(nèi)部結(jié)構(gòu)的復雜性、外部因素的多變性決定了這項任務的艱巨性,而傳統(tǒng)的預測工具已不能滿足這種需要。 本文在深入分析股市投資理論和股價預測方法的基礎(chǔ)上,使用BP神經(jīng)網(wǎng)絡作為股市預測的網(wǎng)絡模型。股市市場是一個極其復雜的非線性動力學系統(tǒng),而神經(jīng)網(wǎng)絡具有很強的非線性逼近能力和自學習、白適應等特性,實驗證明,利用神經(jīng)網(wǎng)絡對股市建�？梢匀〉幂^好的預測效果。因為股市市場的走勢看起來雜亂無章,但實際上有其內(nèi)在的變化規(guī)律,而這正是神經(jīng)網(wǎng)絡預測股市的基礎(chǔ)。BP網(wǎng)絡通過對以往歷史數(shù)據(jù)的學習,找出股市運行的內(nèi)在規(guī)律,并將其存儲在網(wǎng)絡具體的權(quán)值、閾值中,用以預測未來的走勢,尤其對于短期的預測效果更為明顯。 然而,BP神經(jīng)網(wǎng)絡存在學習收斂速度緩慢、易陷入局部極小點等缺點,使其對股市預測的效果不能令人滿意。鑒于此,本文采用遺傳算法與BP神經(jīng)網(wǎng)絡的融合策略,來達到克服其缺點的目的。 遺傳算法與BP神經(jīng)網(wǎng)絡相結(jié)合運用于股市預測的研究早已不是什么新鮮事了,但對于換手率作為因子能否用于股市預測?如何在預測網(wǎng)絡模型中加入換手率因子?到目前為止還沒有學者作過研究。作為首次研究,本文提出了兩種將換手率作為因子加入到預測網(wǎng)絡模型的方案:一,換手率和收盤價同時作為網(wǎng)絡的輸入數(shù)據(jù);二,平均換手率作為隱含層閾值的附加值。對每個方案開發(fā)一個預測系統(tǒng),通過系統(tǒng)的實際運行來判斷換手率作為因子能否用于股市預測以及預測效果如何,從而達到研究遺傳算法與BP神經(jīng)網(wǎng)絡融合策略在時間序列預測中應用的目的。
【圖文】：

軸索是把細胞體傳出的信號導向其它神經(jīng)元。神經(jīng)元之間是通過突軸或神經(jīng)腿相連。神經(jīng)元之間的連接強弱隨外部激勵信號自適應地變化，，大腦的學習過程就是神經(jīng)元之間的連接強度隨外部激勵信息自適應的調(diào)整過程。如圖4一1是生物神經(jīng)元的簡化圖[24]，圖4一2是表征與生物神經(jīng)元等效的系統(tǒng)模型125〕。突角蟲末梢聲叼杯，州腳、‘口材沖動南巍育)圖4一1生物神經(jīng)元的基本結(jié)構(gòu)

另外還有一些參數(shù)，如a、刀等，是需要用戶自己手動調(diào)整的，對于這些參數(shù)系統(tǒng)應當為用戶提供可以輸入的接口，并且這些接口都應當出現(xiàn)在界面上以便用戶與程序的交流。如圖6一所示為系統(tǒng)界面，在界面的左邊窗口中提供了與用戶交流的接口一Edit控件。圖6一系統(tǒng)界面6.3，4樣本數(shù)據(jù)的處理6.3.4.1歷史數(shù)據(jù)的選取股票交易市場是一個很不穩(wěn)定的動態(tài)變化過程，不僅受國內(nèi)外經(jīng)濟因素的影響，而且人為因素、政府調(diào)控等也是影響股票其未來走勢的重要因素。因此，必須盡量選取“真空”環(huán)境下(即一段時期內(nèi)走勢穩(wěn)定，沒有或少有暴漲和暴跌等不穩(wěn)定現(xiàn)象)某只股票的歷史數(shù)據(jù)作為樣本數(shù)據(jù);否則，如果樣本選取得很“波動”
【學位授予單位】：貴州大學
【學位級別】：碩士
【學位授予年份】：2009
【分類號】：F830.91;TP183

【參考文獻】

相關(guān)期刊論文 前10條

1 黃景平,蔡駿,馮珊;基于agent的神經(jīng)網(wǎng)絡訓練模式[J];華中理工大學學報;1999年03期

2 李曉峰;BP人工神經(jīng)網(wǎng)絡模型的進一步改進及其應用[J];吉林化工學院學報;2000年04期

3 周翔，蔡自興;基于多分辨率遺傳算法的多層感知神經(jīng)網(wǎng)絡及其在短期電力負荷預估中的應用[J];計算機工程與應用;1999年03期

4 孟祥武;程虎;;進化神經(jīng)網(wǎng)絡的編碼表示機制研究[J];計算機科學;1998年01期

5 陳可,張琴舜,陳培培,蔡日基;BP神經(jīng)網(wǎng)絡在證券分析預測中應用[J];計算機工程;2001年11期

6 吳成東,王長濤;人工神經(jīng)元BP網(wǎng)絡在股市預測方面的應用[J];控制工程;2002年03期

7 董聰,郭曉華;計算智能中若干熱點問題的研究與進展[J];控制理論與應用;2000年05期

8 董聰;多層前向網(wǎng)絡的逼近與泛化機制[J];控制與決策;1998年S1期

9 程啟明;萬德鈞;陳雪麗;;遺傳學習算法的神經(jīng)網(wǎng)絡自適應船舶操縱控制系統(tǒng)研究[J];模式識別與人工智能;1998年03期

10 郭光,嚴紹瑾,尹樹新;人工神經(jīng)網(wǎng)絡用于我國東部汛期降水預測的研究[J];南京氣象學院學報;1996年03期

相關(guān)碩士學位論文 前3條

1 鄭麗君;基于遺傳算法的多目標優(yōu)化與決策方法研究[D];國防科學技術(shù)大學;2003年

2 王熙;基于遺傳算法改進的BP神經(jīng)網(wǎng)絡在礦產(chǎn)品預測領(lǐng)域的應用[D];中國地質(zhì)大學（北京）;2006年

3 李軍;基于最優(yōu)基因的遺傳算法研究[D];曲阜師范大學;2007年

本文編號：2621669