硕士论文--基于bp神经网络的股价预测应用研究

《硕士论文--基于bp神经网络的股价预测应用研究》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、湖南大学硕士学位论文基于BP神经网络的股价预测应用研究姓名：沈波申请学位级别：硕士专业：金融学指导教师：曹晓东20100510硕士学位论文摘要有效市场条件下，股票价格的变动反映了所有的信息，短期股价随机游走，技术分析不能帮助投资者获得超额收益。然而，大量的实证证明，股票市场并非是有效的，股票价格运行存在一定的规律性。股票价格走势实际上是一种复杂的非线性函数，因而股价具有一定的可预测性。影响股票价格波动的因素很多，各因素对股价波动的作用方式也异常复杂，因而基于统计学的时间序列预测方法难以取得满意的效果。为了解决这个难题，具有优秀模拟性能的

2、人工神经网络被引入金融预测领域。理论上，对于任意的连续函数，它能在一定的精度范围内实现良好的模拟。人工神经网络的独特性在于它是一种黑箱理论，能不追溯数据产生原因，通过给定的训练样本进行机器训练，建立输出与输入变量之间的函数关系，建立非线性过程的模拟模型。利用神经网络来进行股价预测是非常适合的。本文以广泛用于预测实践的BP神经网络为基础，针对其存在的缺陷设计优化方法，结合影响股价运行的各种技术因素，通过网络结构设计和参数选择不断进行实验。通过实证检验，得出如下结论：1．股价的可预测性证明了我国股票市场运行有其内在规律，上证指数的运行不是杂

3、乱无章的，我国股票市场未达到弱势有效。2．运用带动量因子梯度下降法和参数自适应BP算法可以优化BP神经网络的性能，该模型在股价预测中体现出良好的性能，因而该改进算法在实践中是可行的。3．BP神经网络能在较好的精度内预测股价的运行状况，与传统线性预测模型相比，神经网络模型在股价预测上具有明显的优越性。本文结构为：第一章为绪论，介绍选题背景和意义，国内外研究现状，本文的研究方法、思路、文章结构和创新之处。第二章为神经网络理论，介绍神经网络的基本概念、特征。同时阐述了BP算法的数学基础，并提出优化措施。第三章为模型的设计，先进行模型的可行性分

4、析，然后设计网络结构和初始参数。第四章为实证分析，对原始数据预处理后训练神经网络模型，确定模型参数后得出实证结果。最后为结论，总结模型在我国A股上的预测能力，得出结论并指出本文的不足和今后的研究方向。关键词：股价预测；神经网络；BP算法；主成分11AbstractOnefncientmarketconditions，stockpricerenectallinf．0nnation，short。tennstockpricerandomwalk，andtechnicalanalysiscanhelpinVestorsachleVeexcess

5、retums．However，alargenumberofempiricalpracticeproVethatthestockmarket1snotef甄cient．Thestockpricerunwithacertainregularity．Stockpriceisactuallyacomplexnonlinearfunction，sostockpricehaVeacertainpredictability·Stockprlcenuctuationsaf＆ctbymanyfactors．ThesefactorsisalsoVeryco

6、mplex·。IheretoretlmeseriespredictionbasedonstatisticalmethodscannotachieVesatisf．actoryresults·‘I．0solvethispToblem，withexcellentanalogperfonnanceofthearti6cialneuralnetworkwasintroducedf0T6nancialforecasting．Intheory，itcanbeslmulatedwlthlnacertainrangeofaccuracyofanynon

7、linearcontinuousfunction-Arti6cialneuralnetwork，snoveltyisthatwithoutunderstandingthecauseofdata，throughthe91Ventrainingsamplesformachinetraining，wecanestablishtheoutputandlnputVanablesofthefunction，andsimulatethenonlinearprocessmodeling．Usingneuralnetworktoforecaststock

8、priceisVeryappropriate．Inthispaper，basedonBPneuralnetworktheroywhichiswidelyusedtopredlctthepracticewed