我国股票市场走势的“历史类似性”分析

《我国股票市场走势的“历史类似性”分析》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、我国股票市场走势的“历史类似性”分析摘要：本文基于数学模型考证股指波动的历史类似性，针对2005-2016年上证综指数据，利用神经网络算法对上证综指的走势进行了分析。以开盘价、最高价、最低价、成交量、成交金额5个指标作为BP神经网络的输入值，以收盘价作为输出值。对我国股票市场走势的“历史类似性”进行分析。本文采集自网络，本站发布的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所右，如存不愿意被转载的情况，请通知我们删除己转载的信息，如果需要分享，请保留本段说明。关键例：BP神经网络；上证综指中图分类号：F830文献识别码：A文章编号：1001-828X(2

2、017)013-0-02一、引言随着我国日渐成为21世纪最重要的国家，国内股票市场的波动，不仅牵动亿万投资者的心弦，也为世界所瞩目。当前的市场和2009年都经历丫快速上涨之后的调整，估值也都己经处于历史中等偏低水平。注意到与2009年相同的以稳增长为主的政策环境、同样曾经历了大宗商品较大幅度的下跌、投资者关于人民币汇率贬值及经济前景偏于悲观的类似预期，有人认为：“当前市场状况类似迷你版2009”。二、模型的建立与求解1.模型的准备在BP网络的学习过程和定向传递的这一阶段，首先需要导入信号，并且经过内置的算法处理后，将得到的结果输出。在这一过程中积累的误差需要逆向传播到输入的信号，这样一来

3、误差将分摊给该层的所有单元，对这些单元的权值进行修正。不断重复此过程，直到网络输出的误差小于设定值到或进行到预先设定的学习次数为止。2.数据预处理我??从2005-2010年定量选取数据作为研宄的数据集，该数量哲定为1000,同时为了更好地检验，则选取2014-2016年的500组数据。在进行数据处理前，最好将度量单位统一，归一化可以作为其中的一种方法，做法主要是将数据都转化为［0,1］之间的数。我们将数据集按如下公式进行归一化处理：其中，xmin力数据序列中的均值，xmax力序列中的最大数。3.建立BP网络步骤一：我们建立5-N-1的BP网络结构，其中5表示输入项（开盘价、最高价、最低

4、价、成交量、成交金额），N为隐藏层神经元个数，1表示输出项收盘价。结构图如下：步骤二：输出结果。根据计算过程中的儿个关键参数，包括H，权值和阈值，得出预测的结果。步骤三：误差计算。误差是由所关注参数的期望值和预测值共同绝对的，其大小等于他们之间的差值，得到的误差值可以为确定隐含层节点数提供依据。BP神经网络预测的精度在很大程度上是由节点数所决定的，过少地节点数会降低学习的效率，这时不得不以牺牲训练的次数作为代价，但是随之而来了网络过拟合的弊端，因此在确定节点数量的时候通常会参考以下的公式。其中，n，N,m分别代表输入、隐含和输出层三个不同的阶段的节点数，a为常数，其取值范围位于0和10之

5、间。参考下列公式主要是为Y确定节点数的粗略范围，然后通过进一步的测试来获取最佳的节点数，通过多次尝试发现当N=5吋，精度已经可以满足相应的要求了。步骤四：权值更新。根据网络预测误差e更新网络连接权值wij、wjk式中，n为学习速度。步骤五：阈值确定。由于得到了预测的误差，需要重新定义各个节点的阈值。学习速度和训练次数对于BP神经网络都有着一定的影响。学习速度和网络训练进程成正比，速度越快，训练越快，速度越慢，训练越慢，但是这不意味着可以一味地增加速度，因为学速度大会降低络的收敛性，因此过大的学习速度需要配备更多的训练次数，经过多方位的权衡，最终确定学习速度为0.01，训练次数为100。1

6、.模型求解由于之前的归一化处理，因此BP神经网络的输出结果中得到的收盘价也是归一化的，要想得到实际的收盘价，还需要对输出数据进行反归一化。反训练结束的神经网络性能图如下：利用训练好的M络预测2014-2016年的500组收盘价数据，发现通过不断地迭代，误差也在发生着变化，最小值为MSE=0.00044917,选择在此时进行深入地分析，并将预测值与2014-2016年这500组收盘价进行对比如下图：可以看出，虽然利用2005-2010年的数据训练出的网络来预测2014-2016年的数据存在较大误差，但是二者的总体趋势相似。得出结论:在2005-2010年与2014-2016年两时间段内上证

7、综指不存在显著性差异，即当期股市与2009年类似。参考文献：[1]姜启源，谢金星，叶俊.数学模型[M].北京：高等教育出版社，2010.[2]司守奎，孙玺青.数学建模算法与应用[M].北京：国防工业出版社，2013.[3]曹玲娟.中国股票市场历史类似性的建模与分析[J].经济与管理.[1]杨榛.我国股票市场走势历史类似性的研究[J].金融教育研究.