资源描述：
《神经网络在股票价格预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、第17卷第3期北京机械工业学院学报Vol.17No.32002年9月JournalofBeijingInstituteofMachinerySep.2002文章编号:1008-1658(2002)03-0070-05神经网络在股票价格预测中的应用袁晓东(北京机械工业学院工商管理分院,北京100085)摘要:如何对股票价格进行预测是投资者所关注的话题。采用BP神经网络对股票价格进行预测,提出了将股票市场上所采用的技术指标作为神经网络输入变量,利用逐步回归方法筛选出影响股票价格涨跌
2、的变量,从而建立起神经网络模型。研究结果表明,该方法具有一定的预测能力。关键词:BP神经网络;股票价格预测;技术指标中图分类号:F832.0文献标识码:A对于股价变动趋势的看法,依观点的不同可分为2种学派。其一是基本分析学派主张任何时点,每一股票皆有其真值存在,其价值高低取决于公司整体的经营能力,而且股票价格会向此真值调整,同时受整体经济情况、产业动态、以及发行公司业绩、财务状况、股市政策与管理交互影响。其二为技术分析学派,分析的基本假设是历史会一再重演,投资人会一再重蹈覆辙,因此技术分析支持者认
3、为股价变动有趋势可循,利用证券成交价、成交值、成交量的历史资料,归纳出一些操作技术来预测股价未来的走势,本文研究是基于第二种观点。近年来,科技不断的发展,信息科技运用在现实生活中已是越来越普遍。利用神经网络来作预测可说是相当的热门,许多研究结果都指出利用神经网络来预测股市可以获得超额的利[1]润。1神经网络原理应用于股票价格预测1.1人工神经网络原理人工神经网络是对生物神经网络系统的模拟。在设计之初,模仿生物的神经网络构架,以链接的方式来建构,因此其本身就是计算一些具有内在的、复杂相关的系统,而且这些内
4、在的相关是我们无法得知,或是很难得知的。以股票预测系统来说,虽然我们可以经由理论分析以及统计实证而得知有哪些变量是与股价变动相关的,然而其内在的复杂的相关性却是无法让我们全盘了解,此时借助人工神经网络就可以在未知这些内在的实际相关情形之下,由系统经由学习而仿真这些复杂的内在相关性,进而得出我们所要的输出。1.2BP神经网络算法本文研究所用的是BP神经网络算法。BP神经网络算法是一种监督式学习的神经网络,它会将错误的信号反馈回来,以便实时修正权值,所以,训练的目的是为了调整权值,使得输入一群训练样本之后
5、能够产生想要的输出,而为了得到想要的输出,我们必须告知此网络目标值。其典型的网络构架如图1。收稿日期:2002-03-29作者简介:袁晓东(1979-),男,湖南武冈人,北京机械工业学院工商管理分院硕士研究生,主要从事数据挖掘、电子商务方面的研究。第3期袁晓东:神经网络在股票价格预测中的应用71其网络结构基本上是由数层的神经节点所组成,其中第1层为输入层,另外有一个以上的隐藏层和一个输出层。每一层的神经节点都由前一层输入或者是网络外的资料集输入。而网络节点的输
6、出不是成为下一层的输入就是整个网络的输出,如图1为1组3层的倒传递网络,其网络构架为231,i层为输入层,它负责将网络的输入资料传入隐藏层j,输入层是没有作激发函数的转换。隐藏层及输出层除了有作激发函数的转换外,还有加一个位移的节点,如图BIAS节点。每层之间都有[2]线相连,每条线以权值代表它相乘的系数。BP神经网络的数学表示式如下:图1BP神经网络构架图(1)隐藏层的输出(将BIAS视为另一输入节点)3h(j)=Wijii,s(j)=f(h(j));i=1(2)输出层的计算3
7、h(k)=Wjks(j),O(k)=f(h(k));i=1其中ii网络的输入,O(k)网络的输出,Wij代表第1层的节点i与第2层的节点j之间的连接权值,Wjk代表第2层的节点j与第3层的节点k之间的连接权值,1f(x)此节点的转换函数例如sigmoid:f(x)=-x。(1+e)训练的过程为使用此网络的输入与输出的对映资料集,网络会利用权值的调整学习输入与输出的非线性关系,训练的目的是使误差达到最小,定义如下:pkmaxmax2(S
8、SE)=(t(p,k)-O(p,k))p=1k=1其中O(p,k)输入样本p的第k个输出,t(p,k)输入样本p的第k个目标输出,(SSE)(RMS)=pmax1.3BP神经网络算法的演算过程BP神经网络系统在学习阶段里会反复地执行2个步骤:第1个步骤是网络对于每1个供学习用的外界资料,执行前馈的动作而依次地计算出所有隐藏节点和输出节点的对应激发状态值,然后,对于每个输出节点,其实际输入值会
