資源描述：
《基于bp神經(jīng)網(wǎng)絡(luò)的股票預(yù)測》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、基于神經(jīng)網(wǎng)絡(luò)的股票預(yù)測【摘要】:股票分析和預(yù)測是一個復(fù)雜的研究領(lǐng)域，本論文將股票技術(shù)分析理論與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，針對股票市場這一非線性系統(tǒng)，運用BP神經(jīng)網(wǎng)絡(luò)，研究基于歷史數(shù)據(jù)分析的股票預(yù)測模型，同時，對單只股票短期收盤價格的預(yù)測進行深入的理論分析和實證研究。本文探討了BP神經(jīng)網(wǎng)絡(luò)的模型與結(jié)構(gòu)、BP算法的學(xué)習(xí)規(guī)則、權(quán)值和閾值等，構(gòu)建了基于BP神經(jīng)網(wǎng)絡(luò)的股票短期預(yù)測模型，研究了神經(jīng)網(wǎng)絡(luò)的模式、泛化能力等問題。并且，利用搭建起的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，采用多輸入單輸出、單隱含層的系統(tǒng)，用前五天的價格來預(yù)測第六天的價格。對于網(wǎng)絡(luò)的訓(xùn)練，選用學(xué)習(xí)率可變的動量BP算法
2、，同時，對網(wǎng)絡(luò)結(jié)構(gòu)進行了隱含層節(jié)點的優(yōu)化，多次嘗試，確定最為合理、可行的隱含層節(jié)點數(shù)，從而有效地解決了神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點的選取問題?！綼bstract]Stockanalysisandforecastingisacomplexfieldofstudy.Thepaperwillmakeresearchonstockpredictionmodelbasedontheanalysisofhistoricaldata,usingBPneuralnetworkandtechnicalanalysistheory.Atthesametime,makingin-dept
3、htheoreticalanalysisandempiricalstudiesontheshort-termclosingpriceforecastsofsinglestock.Secondly,makingresearchonthemodelandstructureofBPneuralnetwork,learningrules,weightsofBPalgorithmandsoon,buildingastockshort-termforecastingmodelbasedontheBPneuralnetwork,relatedwiththemodelof
4、neuralnetworkandtheabilityofgeneralization.Moreover,usingsystemofmultiple-inputsingle-outputandsinglehiddenlayer,toforecastthesixthdaypricebyBPneuralnetworkforecastingmodelstructured.ThenetworkoftrainingischosenBPalgorithmoftraingdx,whilemakingoptimizationonthenodenumbersofthehidd
5、enlayerbyseveralattempts.Therebyresolveeffectivelytheproblemofit.【關(guān)鍵詞】BP神經(jīng)網(wǎng)絡(luò)股票預(yù)測分析1．引言股票市場是一個不穩(wěn)定的非線性動態(tài)變化的復(fù)雜系統(tǒng)，股價的變動受眾多因素的影響。影響股價的因素可簡單地分為兩類，一類是公司基本面的因素，另一類是股票技術(shù)面的因素，雖然股票的價值是公司未來現(xiàn)金流的折現(xiàn)，由公司的基本面所決定，但是由于公司基本面的數(shù)據(jù)更新時間慢，且很多時候并不能客觀反映公司的實際狀況，采用適當(dāng)數(shù)學(xué)模型就能在一定程度上實現(xiàn)對股價的預(yù)測。BP神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)從而具有
6、一定的預(yù)測功能的數(shù)學(xué)模型，由于其具有很強的自學(xué)習(xí)能力自適應(yīng)能力以及容錯能力等優(yōu)點，使它成為一種比較適合股票預(yù)測的方法。本文就采用此方法對股價趨勢進行了分析。MATLAB所搭配的NeuralcNetworkToolbox,將神經(jīng)網(wǎng)絡(luò)領(lǐng)域研究的成果完整地覆蓋，它以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，用MATLAB語言構(gòu)造出典型神經(jīng)網(wǎng)絡(luò)的激活函數(shù)。另外，根據(jù)各種典型的修正網(wǎng)絡(luò)權(quán)值的規(guī)則，加上網(wǎng)絡(luò)的訓(xùn)練過程，用MATLAB編寫出網(wǎng)絡(luò)設(shè)計與訓(xùn)練的子程序，網(wǎng)絡(luò)的設(shè)計者則可以根據(jù)需要去調(diào)用工具箱中有關(guān)神經(jīng)網(wǎng)絡(luò)的設(shè)計訓(xùn)練程序，使自己能夠從繁瑣的編程中解脫出來，集中精力去思考問題和解決
7、問題，從而提高解題效率。2.BP神經(jīng)網(wǎng)絡(luò)算法、特點2.1BP神經(jīng)網(wǎng)絡(luò)算法BP網(wǎng)絡(luò)的產(chǎn)生歸功于BP算法的獲得。BP算法屬于δ算法，是一種有監(jiān)督式的學(xué)習(xí)算法。其主要思想為：對于q個輸入學(xué)習(xí)樣本P1，P2……Pq，已知與其對應(yīng)的輸出樣本為：T1，T2……Tq。學(xué)習(xí)的目的是用網(wǎng)絡(luò)的實際輸出A1，A2……Aq與目標(biāo)矢量T1，T2……Tq之間的誤差來修改其權(quán)值，使Ai(i=1，2……q)與期望的T盡可能地接近，即使網(wǎng)絡(luò)輸出層的誤差平方和達(dá)到最小。它是通過連續(xù)不斷地在相對于誤差函數(shù)斜率下降的方向上，計算網(wǎng)絡(luò)權(quán)值和偏差的變化而逐漸逼近目標(biāo)的。每一次權(quán)值和偏差的變化都與網(wǎng)絡(luò)
8、誤差的影響成正比，并以反向傳播的方式傳遞到每一層的。BP算法由兩部
