基于神经网络的股票行情趋势预测

《基于神经网络的股票行情趋势预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号!墼UDC密级指导教师：副导师：y78[；711学校代号!鱼!!!学号200321101042华南理工大学工程硕士学位论文基于神经网络的股票行情趋势预测秦华东查握塑副煎±L．坐塑型王盍堂爿：簋扭筮住堂院塍潢丝直盈王捏题整动遭迅国苤王捏婴盈主!坠申请学位级别：王猩亟±专业名称：塑仕王程论文提交日期：2005．06．03论文答辩日期：2005．06．11学位授予单位和日期：堡直堡王太堂答辩委员会主席：盔翟：磕论文评阅人：固垂蕉．蛆摘要本文利用数据挖掘技术对我国股票行情波动趋势进行研究，其目的是为了预测未来股市的行情走势及其波动周期。介绍了在数据挖掘中各个环节

2、使用到的技术基础理论及其在本文中的使用方法，主要介绍了笔者对股票数据挖掘研究的整个过程以及实验结果和结果分析。在本文的数据挖掘建模过程的数据预处理阶段，采用了小波变换算法对股票的每日收盘价进行平化处理，使得股票价格波动很理想地严格服从股票波动趋势，从而可以截取波段。每～波段称之为一个模式，而一个模式由三个特征属性来描述：区间长度，成交量总和，波段斜率。在数据挖掘阶段，建立数据挖掘模型过程中采用了BP神经网络算法，建立～个三层结构的神经网络，即输入层、隐含层和输出层。对数据预处理后得到的数据进行挖掘，利用前M个模式作为网络模型输入，经过隐含层的变换，输出第M+1

3、个模式的区间长度值，也就是利用前M各股市波动行情来预测下一个行情的周期。由于每个模式有3个特征值，所以网络模型的输入节点个数为3M个。通过甜语言编程实现了BP神经网络挖掘模型。接下来就是训练神经网络，训练之前把数据预处理得来的数据分成两部分，一部分用于训练，另一部分用于测试。通过训练的误差曲线图可以看到当M值越大其误差就越小，另外也可以从测试的预测结果对比图可以看出M值越大预测值就越接近预期目标。但是当M值越大其计算量就越大，效率也越低，所以只要M值适当，我们也可以得到很理想的效果。通过对我国沪深两市大量的A股的交易数据的训练和测试结果，我们可以看到数据挖掘技

4、术、神经网络算法在股票预测方面非常有应用价值，通过合理应用可以得到很满意的效果。关键词数据挖掘；数据预处理；神经网络；小波变换华南理工大学硕士学位论文AbstractThearticleresearchedthestockmarketbyutiliZingdatamining．inpurposeofforecastingthewavecycle．Wefocusedonthebasictheoryoftheuseddatamininginanywhere，andthemainmethodusedinthearticle．Thenthewritarexhibite

5、dthedataminingprocessofstockmarketandtheresultwasexpressed．Inordertothepricestrictlysubmittingtothewavetend，thewriterusedthewavelettransformingtoflattheclosingpriceatthedatapreprocessingofthedataminingmodeling．Therebywecantruncatethewaveband，namedthemode．AmodeiSdescribedbythreechara

6、cteristicattributes：theinterval，thevolume，and．theslopeofwavebands．ThewriteradoptedBPNNarithmeticatthedataminingmodelingphase，andthenexcavatethepretreateddata．RegardingtheMformermodesastheNNinputs，theintervallengthoftheM+Imodewasgainedbythetransformoftheconnotativelayer，i．e．，forecast

7、ingthenextcyclebyusingtheformerMwaveofstockmarkets．TheinputnodeiS3MbecauseeverymodeisdescribedbythreecharacteristiC．TheBPNNdataminingcarriedOUtbyC#language．BeforetrainingtheBPNN．wedividethepretreateddataintotwopart．Thefirstwereusedfortraining，thesecondweredispendedfortest．Bytheerror

8、graph，wecanseethatt