文档介绍：要摘股票市场是一个高度复杂的非线性动态系统,其变化既有内在的规律性,同预测方法在对股市的研究中预测效果不是很显著,而神经网络具有自组织、自适应等特点,能自动从历史数据申提取有关金融活动中的知识,因而非常适用于解决股票预测领域中的非线性时间序列问题。本文以股市的可预测性为基础,对股市部分影响因素进行量化,融合传统证券技术分析方法,使用本文提出一种混合训练算法,建立基于人工神经网络的股并对国内外的证券分析方法、股市预测方法及人工神经网络的股价预测研究的最新发展进行综述。该算法从隐含层神经元个数的确定方法、权重和阀值的初始值域、误差函数和自适应学习速率等方面对误差反传算法进行改进,以达到提高网络的收敛速度的目的:同时引入遗传算法,在权重更新过程中采取权重进化计算,使网络跳过局部再次,本文根据非线性时间序列预测原理,提出股价预测模型。该预测模型以使用混合训练算法的三层神经网络为基础。根据部分可量化股价影响因素,选取预测模型的输入变量。并以此为基础,设计并开发了股价预测系统。最后,本文使用股价预测系统,以股价预测实验初步检验了本文提出的股价关键词:人工神经网络;股价预测模型;误差反传算法;权重进化;混合算法时也受市场、经济、非经济等诸多因素的影响。建立在数理统计基础上传统定量价预测模型,并对部分大盘股、个股的收盘价进行预测,评价预测模型的有效性。首先,本文对股市的可预测性进行阐述、对影响股市的各种因素进行分析,其次,从误差反传算法在预测中存在的问题入手,提出一种混合训练算法。极小点,达到全局最小点。预测模型的有效性。对上证笾甘性げ猓⑶乙猿山涣课T肷罱卸比实验;并对深市个股深发展墓善笔张碳鄣恼堑怠⒄堑饰Tげ饽勘杲行股票预测。
,.,,..甌.,—疭.,ぁ·瓵畉粀:簊篵篽
研究意义问题的提出在近二十年来,许多重要的理论改变了金融市场的研究领域。传统的资本市场理论已经被广泛接受,金融分析方法也取得了巨大的进步和,M蹲收咭脖涞酶右览蹈呒兜募扑慊惴ê图际酰谜,挥τ玫浇鹑诹煊颉H斯ど窬缣峁┝艘恢中掠钡募际酰理论讲,它可以在一定的精度范围内模拟任何非线性连续函数。人工神经网络的新颖性在于它可以在不了解数据产生原因的前提下,对非线性过程建模。人工神经网络被应用到债券投资和其他金融领域并取得了一定的成果。而在这些研究领域中存在很多假设,对决定资产价格的本质的相关信息不十分明确。人工神经网络有很大的适应性,它提供了大量的网络类型、学习算法、检验过程。股票交易是现代经济活动中常见的风险投资活动,与相对安全但收入稳定的其它金融投资活动相比,这是一种为了获得高收益而主动承受高风险的投资活动。股市具有复杂的非线性动力学特性,使得对其预测异常困难,而神经网络作为非线性动力学系统,具有动力学特性与时间序列的动态特性相吻合的良好特征,能够很好地解决环境信息不十分明确、知识背景不清楚的应用问题,因而,对于股市这样的非线性经济系统的走势,应用人工神经网络这种强有力的非线性工具进行研究并进行预测具有着实在的价值、内在的一致性和可行性。谌斯ど窬绲墓杉墼げ饽P脱芯坑欣谠銮恐と蹲示霾叩目学性。随着金融理论的发展和人工神经网络的技术的成熟,人工神经网络技术在金融预测中的应用逐渐增多。在非线性时间序列预测中,人工神经网络实现了非些技术使投资者在投资决策中获得更大收益。从事证券分析的专业人员使用基于基本分析法和技术分析法的交易策略、原则和理念为广大投资者提供辅助的投资决策支持。一部分有创新思想的投资者倾向于采用新技术改善投资决策的效果。人工神经网络基于人工神经网络的股价预测模型研究
,不需要建立复杂系统的显式关系式;并且神经网络的容错性强,可以处理信息不完全的预测问题;同时,由于神经网络具有一致逼近的能研究与传统的金融预测方法相比更科学,同时预测精度也有很大的提高。谌斯ど窬绲墓杉墼げ饽P脱芯坑欣诮档屯蹲收叩耐蹲史缦铡在股票交易中,收益与风险并存,收益最大化、风险最小化是所有股票投资者追谌斯ど窬绲墓杉墼げ饽P途哂泻芮康氖涤眉壑怠9善敝甘变化是模糊的或不完善的,变化的规律是不清晰或易变的,变化的结果是高度容常适合解决这类难题。而预测模型的建立过程是样本驱动的过程,非专业的股票预测模型,吸收新的信息来提高预测精度,同时神经网络并行处理能力强,可以市场有效性假设删,理论的基石之一。几十年来,关于证券市场有效性的讨论几乎没有中断过。法马指出,市场有效性一般可以区分为以下三个层次:跤行问剑醇格反映了所有的历史信息,或者说所有历史的信息在市场上是同质等量分布,没息,而且还反映了所有公开的信息;坑行问剑醇鄹穹从乘锌傻玫男息,包括公开的和内幕信息在内的所有信息都以无成本的方式为交易者所知道力,训练后的神经网络在样本上输出期望值蟛钤谠市矸段,