融合群智能方法bp神经网络模型及其在股市预测中的应用

《融合群智能方法bp神经网络模型及其在股市预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10207分类号：F22学号：4102040004密级：内部硕士学位论文融合群智能方法BP神经网络模型及其在股市预测中的应用ImprovedBPNeuralNetworkModelsCombinedSwarmIntelligenceMethodandTheirApplicationstoForecastStockMarket学科专业：数量经济学研究方向：金融工程姓名：李青召指导教师：王丽敏副教授硕士学位类型：学历硕士授予单位：吉林财经大学二〇一三年三月万方数据万方数据原创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除文中已经注

2、明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的研究成果，也不包含为获得吉林财经大学或其他教育机构的学位或证书而使用过的材料。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。因本学位论文引起的法律结果完全由本人承担。本学位论文成果归吉林财经大学所有。指导教师签名：日期：学位论文作者签名：日期：学位论文版权使用授权书本学位论文作者完全了解吉林财经大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权吉林财经大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印

3、或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书，本论文：□不保密，□保密期限至年月止）。指导教师签名：日期：学位论文作者签名：日期：万方数据中文摘要鉴于智能计算方法具有自适应、自学习、并行性等优点，本文以智能计算方法为基础，通过引入趋势因子和群智能等方法，提出了改进BP神经网络模型并将其应用于股市预测领域中。具体内容包括：（1）通过对BP神经网络的输入层、隐层和输出层节点数目的确定，建立基于BP神经网络的股市预测模型，并将其对深圳成分指数进行仿真模拟预测。实验结果表明，BP神经网络用于股市预测领域是可行的，有效的，具有一定的优越性。（2）鉴于趋势

4、因子具有纠正预测方向的特性，为进一步提高BP神经网络的预测性能，本文将趋势因子引入到BP神经网络中，提出了引入趋势因子BP神经网络，即DF-BPNN网络(BPNeuralNetworkwithDirectionFactor)。实验结果表明，与基本BP神经网络相比，本文提出的DF-BPNN模型的预测性能优于BP神经网络，其预测精度有进一步的改善。（3）鉴于粒子群优化算法具有较好的全局搜索能力和优化性能，本文利用粒子群优化算法对BP神经网络的权重和阈值进行优化，提出了一种基于群智能的PSO-BP混合神经网络模型即PSO-BPNN（PSO-BPNeuralNetwork）。另外

5、，采用本文提出的PSO-BPNN模型对深圳成分指数股市进行预测，得到了令人满意的结果。（4）针对本文提出的引入趋势因子BP神经网络和PSO-BP混合神经网络，与基本BP神经网络的预测性能进行比较研究。通过实验获得的仿真模拟图与数值结果表明，本文提出的引入趋势因子BP神经网络与PSO-BP混合神经网络的预测性能均优于基本BP神经网络，但引入趋势因子BP神经网络与PSO-BP混合神经网络相比，其预测性能差别较小。关键词：BP神经网络，粒子群优化算法，趋势因子，股市预测I万方数据AbstractInviewoftheintelligentcomputingmethodshave

6、manyadvantagessuchasself-adaptive,self-learning,parallel,etc.,sosomeimprovedBPneuralnetworkmodelsareproposedbyintroducingthedirectionfactorandparticleswarmoptimizationalgorithmintoBPneuralnetworkinthispaper.Inaddition,thepresentedmodelsareusedinthefieldofthestockmarketprediction.Themajorc

7、ontentasfollows:(1)BydeterminingBPneuralnetwork’snodenumber,includinginputlayer,hiddenlayerandoutputlayer,weestablishaBPneuralnetworkpredictionmodelbasedonstockmarketwhichweapplytoforecasttheShenzhenComponentIndex.TheexperimentresultsshowthatBPneuralnetworkusedinthe