基于改进动态神经网络的股票预测模型的研究

《基于改进动态神经网络的股票预测模型的研究》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g窆兰垒UDC论文题目1012汹1109069密级编号研究生：指导教师：专研究方向：运签皇蟹能迭筮所在学院：i土篡扭堂陵2014年5月28日原创性声明本人声明：所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成果。除本文已经注明引用的内容外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得凼墓直太堂及其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：j迥指导教师签名：日期：在学期间研究成果使用承诺书本学位论文作者完全了解学校有关保留、使

2、用学位论文的规定，即：内蒙古大学有权将学位论文的全部内容或部分保留并向国家有关机构、部门送交学位论文的复印件和磁盘，允许编入有关数据库进行检索，也可以采用影印、缩印或其他复制手段保存、汇编学位论文。为保护学院和导师的知识产权，作者在学期间取得的研究成果属于内蒙古大学。作者今后使用涉及在学期间主要研究内容或研究成果，须征得内蒙古大学就读期间导师的同意；若用于发表论文，版权单位必须署名为内蒙古大学方可投稿或公开发表。学位论文作者签名：日期：指导教师签名：日期：ho／一7日心谥五内蒙古大学硕士学位论文基于改进动态神经网络的股票预测模型的研究摘要人工神经网络理

3、论应用于股票走势预测，就是利用由股票的历史交易数据组成的时间序列，通过神经网络的自学习能力对其进行分析，从复杂的数据关系中找出其中的规律，然后模拟网络输出数据与输入数据之间的函数关系，并将此函数用于对未来股票价格的预测中。近年来，国内外研究学者已经基于神经网络理论建立了多种预测模型对股票价格走势进行预测，并取得了显著的研究成果。但综观目前的股票预测模型，大多是基于静态神经网络理论，如BP神经网络、Wavelet神经网络和RBF神经网络等。然而，这些静态神经网络预测模型并不能充分反映股市系统的动态特性。本文通过分析现有的股票预测模型在动态性方面的不足，以

4、及输入指标选取方面存在的问题，提出了基于主成分分析法的动态神经网络股票预测模型。该模型通过建立多步输入输出时延和输出反馈机制，更好的描述了股票市场这个动态时变系统的特性。并为预测指标的选取和指标个数的确定提供了一个新的方法。模型建立后，本研究选取了多只股票的历史数据作为实验对象，并对其进行了多次的实验，然后将得出的实验结果与传统的BP神经网络模型进行了比较。实验结果表明，本文提出的基于主成分分析法的动态神经网络模型是有效的。关键词：动态神经网络；股票预测；主成分分析；指标选取方法基于改进动态神经网络的股票预测模型的研究STOCKPREDICTIoNMO

5、DELRESEARCHBASEDoNIMPROVEDDYNAMICNEI瓜ALNETWORKABSTRACTApplyingthetheoryofArtificialNeuralNetworktoStockPredictionistoutilizetheself-learningabmtyofneuralnetworktoanalyzeasequenceofhistoricaltradingdatafromstockmarket,andfindlawsfromthecomplexrelationshipsamongdata．Then,Wecanbuil

6、dafunctionalrelationbetweentheinputdataandtheoutputdata．AndthefunctionCallbeusedforstockpredictioninthefuture．Recently,researchershavebuiltseveraldifferentpredictionmodelsbasedontheneuralnetworktheoryforstockpredictionandhavegotsignificantachievementinthisfield．Butmostofthosemod

7、elsarestatic，suchastheBPneural-network,theWaveletneuralnetwork,RBFnel】ralnetwork,etc．Theshortageofthosestaticmodelsisthattheycannotadequatelyreflectthedynamicstockmarket．Inthispaper,Wefirstlyevaluatetheexistingstaticmodelsandtheindexofinputfortheiieu：ralnetwork．Then,Weproposeady

8、namicneuralnetworkpredictionmodelbasedonprincip