神经网络技术在股票价格短期预测中的应用研究

《神经网络技术在股票价格短期预测中的应用研究》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TP30l密级单位代码学号1061811020035墨廑交通必謦硕士学位论文论文题目：神经网络技术在股票价格短期预测中的应用研究TheR沁searchoftheAppllicationofNeural盟竺堕竺!墼i望璺坠壁塑：丝!磐坠Q竺垦里堕竺竺里竺堡竺垒堕望g研究生姓名：闫冬导师姓名、职称：何友全教授申请学位门类：工学硕士专业名称：管理科学与工程论文答辩日期：学位授予单位：答辩委员会主席：彭军教授2013年5月评阅人：樊建强副教授刘伟军副教授重庆交通大学学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的

2、内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：Ⅺ3’年岁月；o日重庆交通大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权重庆交通大学可以将本学位论文的全部内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研究所将本人学位论文收录到《中国学位论文全文数据库》，

3、并进行信息服务(包括但不限于汇编、复制、发行、信息网络传播等)，同时本人保留在其他媒体发表论文的权利。指导教师签名：彳孑-反＼够日期：勿3年岁月弓夕日本人同意将本学位论文提交至中国学术期刊(光盘版)电子杂志社CNl【I系列数据库中全文发布，并按<中国优秀博硕士学位论文全文数据库出版章程》规定享受相关权益。学位论文作者签名．7臻日期：Wj年f月；口日勿钐一文棚巧●●名年签)币仍吖狮诩导期措日摘要随着我国经济快速增长和股票市场的不断扩大，股票市场产生了大量有价值的数据信息，这些数据成为投资者进行股票投资的重要分析主体。同时，股票价格的预测也成为投资者和相关学者的一个重要研究对象。日益增长

4、的数据不仅难以处理，更给股票价格的预测者们带来了无从选择的难题。BP神经网络作为大数据预测方面的经典算法备受投资者和研究人员的青睐，但是，BP算法本身固有的一些缺点也制约着其预测的效率和效果，在股票价格短期预测方面依然存在着预测精度方面的缺陷。本文在深入分析股票价格短期预测面临的问题和比较多种股票价格预测方法的基础上，探讨BP神经网络、主成分分析法和遗传算法对股票价格进行短期预测的可行性。BP神经网络能够利用对过往股票市场数据的学习，找出股票市场发展变化的内在规律，从而实现对未来一段时间内股票价格数据变动的预测。为此，本文所做的主要研究工作有：针对股票价格数据影响因素多的问题，选用主

5、成分分析法来解决了BP神经网络输入向量的维数约减问题，同时，为了建立影响因素和预测向量之间的相关性关系，提高预测的精度，引入了计量经济学中拟合优度的概念，结合传统的主成分分析法，创新性的提出了相关主成分分析法。针对BP算法容易陷入局部极小点而影响预测精度的缺点，利用遗传算法对BP神经网络进行优化，构建了遗传算法优化的BP神经网络预测模型。在前面算法的基础上，建立了以相关主成分分析法和遗传神经网络模型相结合的综合预测模型，并在MaⅡab7．O中予以实现。最后，为了检验所提出算法的有效性。文章最后进行实验，利用上证指数数据，对文章提出的相关主成分分析法、遗传神经网络模型和综合预测模型分别

6、进行了仿真实验并进行了误差分析，误差分析表明以相关主成分分析法为维数约减方法的遗传神经网络模型在股票价格短期预测精度上有一定程度的改进。关键词：股票价格预测；BP神经网络；主成分分析；遗传算法WithChina’smpidlyeConomygro叭h姐dthestockmarketcontinuestoexpaIld，thestockmarkcth弱gene豫tedalotofValuabledata．’nleinVestorsusethesedataasanimpon觚tbasisforaIlalysisofstoCkmestment．At‰s锄etime，StoCkpricefo

7、recasth觞alsobecomethereSearchobjectoftheinvestors．Tlledataforecastingtechniquesweretheimpon锄tmethodiIlprediction．BPneuralne时0rk拙aCtedmuchattentionf内mtheinvestorsandrese鲫chersintllefieldofdataprediCtion．Ontheomerh觚d，someoftheshonco