文档介绍：摘要市场作为一种影响因素众多、各种不确定性共同作用的复杂巨系统,其股票市场具有高收益与高风险并存的特性,为趋利避险,人们一直孜孜以求,探索其内在规律,寻找有效的预测方法和工具。但是,股票价格波动往往表现出较强的非线性的特征,且股市各因素间相关睦错综复杂,主次关系变化不定,数量关系难以提取及定量分析。另外,殴市的建模与预测所处理的信息量往往十分庞大,对算法有很高的要求。为此,本文利用惴ḿ捌涓慕惴ǘ陨窬网络参数进行辨识。论文的主要研究工作和成果包括以下几个方面的内首先介绍了神经网络的基本理论和网络模型,重点阐述了反向传播模型的工作过程;然后,对滤波以及扩展的滤波作了详尽的说明;在此基础上,将神经网络与扩展的滤波结合起来并进行改进,得到了基于扩展滤波的神经网络学习算法及其我们将此算法应用到股票价格预测中,分别运用单步预测和多步预三支股票的价格为对象进行实证,分析比较基于扩展滤波的神经网络学习算法及其改进算法与算法的优劣。结果证明:基于扩展滤波的神经网络学习算法及其改进算法在预测精度和收敛速度上明显优于算法,预测数据与实际数据基本吻合,取得了较好的效果,具有很好的推广能力和应用价值。关键诃:神经网络扩展的滤波分解股价预测容:改进算法。测两种方法,以浦发银行、邯郸钢铁和桂冠电力
:琀::..:.琩猯甌〆.,琲,.,甀瑆琫—瑆.,·瓻甌:,Ⅱ
,是指利用预测对象本身历史的和现状的信息,采用科学的方法和手段,对预测对象尚未发生的未来发展演变规律预先做出科学的判断。大量实践活动证明,人们总是可以通过一系列的预测研究活动,了解和把握各种自然、社会、经济活动的演变规律,进而预测其未来状态。预测方法总体上说有两种,一是定性预测,二是定量预测。~般来说,定性预测具有较大的风险,因为它主要决定于预测者的主观经验和逻辑推理能力,经济活动中的形势瞬息万变,影响事物未来发展的因素很多,各种因素之间相互影响关系也很复杂,对于人来说,要从这些因素以及它们之间纷繁复杂的关系中对未来做出准确的判断可以说是臆见极难的事情,所以人们转而期望在定量预测中得到许多有益的东西。但是就当前在定量预测领域的实践表明,它仍然有一定的局限性,特别是建立在数理统计基础上的预测方法对非线性由于神经网络这一非线性动力学系统具有自我学习的特性,其动力学特性与时间序列的动态特性相吻合,神经网络具有通过学习从实际统计数据中提取知识的能力,能够很好的解决环境信息不十分明确、知识背景不清楚的应用问题,因而我们试图将神经网络方法应用于金融业务。由于神经网络具有两种基本特性,即模式分类能力和非线性函数的表示能力。要想构造一种金融神经网络模型,首先要分析你所要解决的问题是属于识别问题,还是非线性函数表示问题,这样才有可能较好的利用神经网络所具有的特性。在金融业务中,有一些业务可以用神经网络技术来处理,如表所示。可以看出,神经网络技术在金融业务处理中,具有很广泛的应用前景。对于金融交易系统的发展,近几十年来走过了这样一个历程,即机械式交易系统,基于知识库的交易系统和将要发展的神经网络交易系统。机械式交易系统是基于规则、串行处理和报告系统:专家交易系统是基于规则系统和目标系统的混合系统:而神经网络交易系统则是基于神经网络交换的并行处理、学习规则和的时序分析并不是十分有效。
.辰鹑谑谐〖偕㈤趋势市场假设结构,它具有模式识别、时间序列预测和自组织映射能力。要建立起一个金融交易系统,进行金融市场的预测,就必须了解现存的对于市场理论的假设。这些假设可以归结为以下四种:从信息处理的观点来看,它是具有随机噪声和投资报酬的高斯分布。效率市场假定所有信息都包含在价格之中,价格的变化呈现出一种随机走动。市场的上下起伏变化可以由有限复杂度的线性模型来表示。治谐〖偕分维市场假设是说市场信号具有非调和振荡器的特性。它说明市场是一个具有分数维的非线性动力系统,它只具有短暂的预测期。韬鲜谐〖偕骤合市场假设说明至少存在有四种不同的市场环境:牛市、熊市、转移市场和随机走动市场,它们每一种都要求不同的投资和风险管理策略。金融市场的变化,从价格上来看无非是四种模式的组合。但实际的金融市场是一个复杂的混合系统,在某些时候四种市场假设的表现特征都不十分明显。此时,传统的技术分析就失去了应有的作用。这是因为传统的技术分析方法是依赖于理想假设,从而推导出简单的经济模型。而关键问题在于这些理想化的假设忽略了许多影响价格行为的因素。传统的技术分析方法都假定交易者的反应基于相同信息,也就是说每个人都具有等同的信息资源。事实上,由于每个人所处的环境不同,从而所拥有的信息资源和享受程度也不同。另一个假设是交易者所具有的技术和经验是平均分配的,这与实际情况不符。适谐〖偕表可以用神经网络技术来处理的金融业务模式识别时间序