小波分析和神经网络在股市预测中的应用

《小波分析和神经网络在股市预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、摘要摘要股票交易作为证券投资的一种，正越来越成为广大投资者的一个重要投资手段，同时，股票市场又是一个效益与风险并存的地方，没有分祈的投资是盲目的投资。神经网络具有良好的非线性逼近能力和对杂乱信息的综合能力，作为一种有效的智能信息处理方法在股价预测上已经取得了令人瞩目的发展和广泛的应用。然而，股票市场是一个复杂的非线性动力系统，同时受多种因素的交互影响，对于股票未来价格的精确预测是非常困难的，也可以说是不可能的，但对于短期的或长期的趋势预测，则相对而言较为简单。对于预测学来说，存在一个预测精度和预测强度的问题，即对于某个预测目标，模型所

2、能达到的预测精度和预测强度成反比，预测强度越弱，预测精度越高。本文的研究目的就是在合理的预测强度下，建立模型以提高预测的精度。在本文中，首先系统地分析了人工神经网络原理、基本结构及其功能，随后介绍了小波分析的原理和应用，接着介绍了股市中平均线交易规则的方法和应用。在此基础上，对所选股票进行了短期预测和长期预测。所谓短期预测就是利用小波对所选取股票的日数据进行消噪处理，然后再通过神经网络学习预测，输出则是短期平均线的走势情况。该模型的算法收敛速度快、预测精度高，同时所得结果对投资者也有很大指导意义。而长期预测则是选取周数据输入神经网络进

3、行学习预测。本文的研究对理解中国证券市场，准确预测证券价格走势，提供投资者有效的买卖信息有重要的意义。关键词神经网络，小波分析，移动平均线，预{914，M盯LAB北京工业大学工学硕士学位论文ABSTRACTAsakindofportf01ioinves扛nent，t11estockinVes缸nenthasbe髓aIlimportamtinv器仃nentmeaIls，att11es锄etime，mestockmarketisaplacewherebenefitisincompanywimrisknisablindnessinves廿I

4、lentif也ercisnoenoughanalysis．TheNeuralnetworkhasnicec印abil埘of印proa出ngnon_linearands”mesiziIlgdisordcrinfomadon，a11dithasachicvedfinedcvdopmentsandbroadapplicationsinpricefjrecasting．Butstockmarketisacomplcxnon．1ineard”amicsysteIn．Itisdi币c11lttoforcc喊accumtelyunbom研ceofs

5、tock，wecallevensayitisinlpossible．Howev％itiSeasycorrespondin西ytoforecastshort—t钉morlong-teml打e11d．Tbforccastin舀mereisaproblemaboutfIorecastacc眦acyandforecastintensity．Tbaforecasttargct，meforecastaccuracyaIldt11eforecastmtensi哆arenegativdy’也e10wcrforecastintensity't11ell

6、igherforccastaccllracy．Thepufposeofthestudyistosetupamodeltoimproveforecastaccuracyundcrareasom出1efIorecastint鼬sity．mtllispaper，at矗1‘st，weanalyzedt王letheory姐dthes仇lcnlreandme向nctioⅡof锄ralneMo如secondly，in仃oducedtlletlleoryandtlleapplicationofwavclcta11alysis，thirdlXin仰du

7、cedmem劬odaIldme印plicationofmen11eofaVeragelin巳011Ⅱ1isbasis，meshon—tefmforecasta11d也elong—tennforccastweremade．Theshort-t唧f-orecaStistoclearup也edailydatabywaVeletanalysis，tllcntheresllltwillbeinputtomeneumlnetworktobele珊cdandforecasted，theoutputisme仃endofaverage1ine．Thel

8、ong-te衄forecastistochooseweeklydatat0inputmeneuI吼networkt0bele锄edandfbrecasted．Thisresearchhas黟eatimportallcei