资源描述：
《基于elm∞神经网络的股票价格预测研究m》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第26卷第2期计算机应用Vo.l26No.22006年2月ComputerApplicationsFeb.2006文章编号:1001-9081(2006)02-0476-02基于Elman神经网络的股票价格预测研究1,22林春燕,朱东华(1.北京理工大学应用数学系,北京100081;2.北京理工大学管理与经济学院,北京100081)(lchy26@sohu.com)摘要:为了更好地把握股票价格的波动,应用了在处理序列数据输入输出具有优越性的Elman递归神经网络建立股市预测模型,并用两支股票进行了
2、检测,检测结果说明人工神经网络应用于中国股票市场的预测是可行和有效的,有着良好的前景。关键词:Elman神经网络;预测;股票中图分类号:TP311文献标识码:AStockmarketforecastingresearchbasedonElmanneuralnetwork1,22LINChun-yan,ZHUDong-hua(1.DepartmentofMathematics,BeijingInstituteofTechnology,Beijing100081,China;2.SchoolofMana
3、gement&Economics,BeijingInstituteofTechnology,Beijing100081,China)Abstract:TheStockmarketistypicalcomplexobject,whichishardtoconstructaccuratemathematicalmode.lForholdingthesecuritiespricevolatility,topresentsamethodforstockmarketpredictionmodelingbyutil
4、izingthegoodhandlesdatecapabilityofElmanneuralnetworks.Andthemodelwastestedbytwostocks.TheresultofthetestsshowthatElmanneuralnetworksarefeasibleandefficientforthepredictionofChinesestockmarket.Keywords:Elmanneuralnetwork;prediction;Stock0引言1Elman股价预测模型
5、网络结构股票投资者最关心的问题之一就是股市涨跌行情的变化1.1Elman的网络结构趋势,因此,股市指数和股票价格的预测,成为证券界和学Elman神经网络是Elman于1990年首先针对语音处理术界一个重要的问题。国内外的研究者们提出过许多定价理问题而提出来的,它是一种典型局部递归网络。由于Elman论和投资组合模型。也有研究者提出用计量统计的方法对股神经网络在处理贯序数据输入输出具有优越性,得到了广泛市进行预测,如多元回归、ARIMA、GARCH等时间序列模型。的应用。随着神经网络研究的深入和发展,人
6、们开始将其应用于经济基本的Elman网络,如图1所示,主要由输入层、隐层、领域。为预测股市走势,J.H.Wang和J.y.Leu于1996年讨连接层、输出层组成,是在BP网络的基础上增加了一个反论基于ARIMA的网络结构,Sung-sukKim于1998年将时延馈层,其反馈连接由一组连接单元组成,用于记忆隐层神经网络应用于股市相关性分析和预测。国内有许多研究者过去的状态,并且在下一时刻连同网络输入一起作为隐层单利用神经网络对股票价格进行预测,如文献[1]、[2]所提出元的输入,相当于状态反馈,这
7、一性质使得部分递归网络具的方法。有动态记忆功能,从而适合用来建立时间序列的预测模型。目前在股市的预测应用中大多数采用的是静态前馈BP各层的输入均为加权和;隐层的传递函数仍为某种非线性函神经网络和RBF神经网络。利用静态前馈网络对动态系统数,一般为Sigmoid函数,输出层为线性函数,联接层也为线进行辨识,实际上是将动态时间建模问题变为静态空间建模性函数。问题,必然会引出许多问题。能够更直接更生动地反映系统动态特性的网络应该是动态神经网络,即回归神经网络(RecurrentNeuralNetwork)。E
8、lman回归网络是一种典型的动态神经元网络,它在前馈人工神经网络基本结构的基础上,通过存储内部状态使其具备映射动态特征的功能,从而使系统具有适应时变特性的能力。本文采用Elman网络建立股市15个交易日的最高股价图1Elman网络及平均股价的预测模型。并用某证券交易所上市的邯郸钢铁1.2数据的选取及预处理(代号600001)及东风汽车(代号600006)进行了实际模拟与1.2.1数据的选取预测,得到较好的效果。在应用神经网络模型预测股
