基于rbf神经网络的股价操纵判别研究

《基于rbf神经网络的股价操纵判别研究》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、ｆ一‘％，３＂為繁可＇＃＇Ｖ巧＾苗＇八乂，’＾；？；君ＫＶｎ違讀３知Ｍ苗’分ｒ擎ｒ南＾学侣於＇．．＇嫁－＇和寒户游．带ｒ乾－尹诚巧．知神ｆ股■許；知ｕ齡解＇電ｒ皆甲，．，或八巧Ｃ義革ｗｌ－■這、，爲＂禱＼．．馨ｒ鴻马马，榮－义縣；肴．Ｃｉ．读：Ｉ怒玉朽，；驚科管ｆ＾藻＇＼、钱罕Ｊ送ＪＳ’；‘，，聲．：：．ｔ：＇＂扣：ｉｉ＾．可Ｓ．六．念適占，．＼咬，人’齊：；ｈ論隸式省一分类号密级UDC学校代码10496硕士学位论文基于RBF神经网络的股价操纵判别研究TheStudyonStockPriceManipulationJudgmentBas

2、edonRBFNeuralNetwork论文作者夏文学指导教师张葵学科专业管理科学与工程论文提交日期论文答辩日期答辩委员会主席评阅人2016年5月ADissertationtoWuhanPolytechnicUniversityforDegreeofMasterTheStudyonStockPriceManipulationJudgmentBasedonRBFNeuralNetworkM.D.Candidate:XiaWenxueMajor:ManagementScienceandEngineeringMentor:ProfessorZhangKuiWuhanPolytechnicUn

3、iversityWuhan430023P.R.China论文独创性声明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内容外，本论文不含任何其他个人或集体己经发表或撰写过的研究成果，也不包含为获得或其它教育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或集体均己在文中作了明确的说明并表示谢意。本人完全意识到本声明的法律责任和法律后果由本人承担。论文作者签名签字曰期：訂年月＾曰论文版权使用授权书本学位论文作者完全了解ｍ轻工大学有关保留，、使用学位论文的规定特授权武汉轻工大挙

4、可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或其他复制手段保存、汇编，Ｗ供查阅和借阅。同意学校向国家有关部口或机构送交论文的复本和电子文件。（保密的学位论文在解密后适用本授权说明）论文作者签名；导师签名；签字＾曰期：欢／年曰签字曰期；年（＾＾月＾月７曰摘要国内股票市场自沪深两大证券交易市场组建后就获得了迅猛发展，但也逐渐暴露出一些违法乱纪问题，其中股价操纵最为严重。该行为使得股票价格反映不了股票的真实价值，价格发现机制无法充分发挥自身应有的作用，同时严重影响了竞争市场实现资源优化配置的功能，因此我国股票市场需强力监管股价操纵行为。为了

5、加强对股价操纵的判别，本文以国内股票市场股价操纵案例为样本，分析股价操纵行为的特征，然后建立了基于RBF（径向基）神经网络的股价操纵判别模型，最后提出了相关的对策建议，为未来研究如何判别股价操纵行为提供了一个新的思路。具体如下：第一章是绪论，主要阐述了论文的选题背景、文献综述、研究内容与技术路线、研究方法与研究意义；第二章阐述了股价操纵的一些核心概念，涵盖了其定义、方式、危害及产生缘由等；第三章以国内被证监会查处的140起股价操纵案例为样本开展实证分析，研究内容包括被操纵股票的行业分析、股本分析及其与上市公司股本的比较分析、资产特征分析、财务特征分析、交易特征分析等；第四章选取了40只

6、股票作为研究样本（其中一半被操纵，另一半未被操纵），在特征分析的基础上，借助SPSS专业统计软件对样本的特征指标进行了Logistic回归分析，筛选出四个能够指示股票异常波动的指标，并建立了基于RBF神经网络的股价操纵判别模型，最后在Matlab环境中进行实证检验，结果表明：检测准确度高达90%，由此我们可以判断该模型对于判断股票是否被操纵具有很好的预测与鉴别功能，可以作为未来研究此领域的一个新视角；第五章就如何预防股价操纵行为探讨了相关对策建议；第六章回顾全文，得出本文的研究结论，指出了其中的创新与不足之处，同时也指明了今后的努力方向。关键词：股价操纵；特征；Logistic回归；R

7、BF神经网络ⅡABSTRACTAftertheestablishmentofShanghaiandShenzhenstockexchangemarkets，thedomesticstockmarketdevelopsrapidlyexposingsomemalfeasances，inwhichthestockpricemanipulationismostserious．Thebehaviorcan'treflecttherealvalueofs