文档介绍：神经”络方感塑中户产用
前盲对年到年间神经网络在金融预测中应用情
自有股票交易以来,对股票价格的预测一直就是学术况的全面论述采用神经网络对进行
界和广大投资者最感兴趣的问题之一,它不仅存在着极其的预侧检验等人对美国纽交所股票价格
诱人的应用价值,也具有重大的理论意义。时至今日,人们波动的神经网络预测等等。本文借鉴国外研究的成果,利用三
已经提出了多种对股票价格预侧的方法,主要分为三类层神经网络对上证指数周末收盘数据构成的时间序列进行
传统的投资分析方法。具体可划分为基本面分析法训练和预测,建立误差后向传播预侧模型。样本周期为年
和传统的技术分析法。月日到年月日,训练期和预侧期重合。
传统的时间序列分析法。该类方法把股票价格或股神经两络摘构及训练过程
价指数看作变化的时间序列,通过建立时间序列相关辨识预测的机理在于利用过去和现在的观侧值来估计未来值,
棋型来预侧未来变化。即基于一个假设未来值和过去值存在某种对应关系。预侧工
非线性系统分析法。该类方法把股票市场理解为一作就是试图寻找这种对应关系。为实现对时间序列的预测功
个随机性和秩序性交织在一起的非线性动力系统。任何依能,本文所建立的神经网络模型采取了构造输人输出数据
赖于对非线性函数进行模拟求解的预测方法都可归人此模式对的方式。神经网络的输人节点选为个,输出节点为
类,比如分形统计法,神经网络方法等。
个。网络结构如图
前面两种方法,我们可以归为传统的预侧方法。它们或
强调内在价值,或依赖于股票价格间的线性关系,局限性相抽出数州
当明显。这是因为,我们所处的客观世界是复杂的,我们所
接触的绝大多数时间序列往往是由随机信号和由确定性非

线性系统产生的信号的混合体,完全的随机信号几乎不存
在,完美的线性关系同样很少。近年来,大量的研究结果表中加侣
明,股票市场就是一个信息巨大的非线性动力学系统①,
其功率谱具有宽带、连续等特征。因此,传统的线性预侧方
拍入
法因为无法将其与噪声的功率谱加以区分,预测的效果往
往不太理想。在理论上,对于股票市场这样的非线性系统, 敬输入图〕
如果知道其动力方程,基于一定初始条件,就可以通过方程如图所示,输人数据为少二,中间层
求解来进行股市预测。但是,用一组动力方程为拒绝股票市有个神经元
元输出层有两个神经
场的运行规律是极其困难的,甚至是不可能的。所以,我们丫牙二输人层和中间层之间权值为网值
为
只能基于现有市场行为的样本,从市场过去行为的规则性,中间层与输出层之间的权值为阐值为,由此各层
中推断出可能存在的规律,寻找到决定系统或市场演化的神经元的输出满足
法则和系统状态变量。这样,我们无需了解市场内在的运行
机制,就可对其未来变化进行预侧显然,对股票市场这类其中,为保证网络输出通近一个连续函数,神经网络中的
复杂的非线性动力系统是不能通过传统预测方法来进行有
效描绘的,需要通过适当的方法来通近系统内复杂的非线一了玄不代从,一八
性映射,由此,我们引人了非线性分析工具。当前,对非线性二,一玄,一。,
系统分析法的研究方兴未艾,神经网络方法更是备受关注。
具有非线性隐含神经元的神经网络在股市预侧中具有单元激