基于遺傳神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)研究

《基于遺傳神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、萬(wàn)方數(shù)據(jù)學(xué)校代號(hào)：10532學(xué)號(hào)：P09101247密級(jí)：普通湖南大學(xué)工程碩士學(xué)位論文基于遺傳神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)研究學(xué)位申請(qǐng)人姓名方麗導(dǎo)師姓名及職稱李麗娟教授、凡小波高級(jí)工程師培養(yǎng)單位專業(yè)名稱論文提交日期論文答辯日期答辯委員主席信息科學(xué)與工程學(xué)院計(jì)算機(jī)技術(shù)2014年12月19日2014年1月25日廖波萬(wàn)方數(shù)據(jù)StudyonthepredictionofstockpricebasedOHneuralnetworktechnologybyFANGLiB．E．(HunanUniversityofTechnology)2003IIlllIIlllllllllllIIIY

2、2764519AthesissubmittedinpartialsatisfactionoftherequirementsforthedegreeofMasterofEngineeringComputerTechnologyintheGraduateSchoolofHunanUniversitySupervisorProfessorLiLijuanSeniorEngineerFanXiaoboDec，2014萬(wàn)方數(shù)據(jù)湖南大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文不包含

3、任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫的成果作品。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律后果由本人承擔(dān)。作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湖南大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1、保密口，在年解密后適用本授權(quán)書。2、不保密口。(請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“√”)作者簽名：酉咖

4、日期：年月目如少#·≯翮簽名：秕確聃碑肌a口哲．審．3，l3小]1l良萬(wàn)方數(shù)據(jù)基于遺傳神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)研究摘要隨著我國(guó)經(jīng)濟(jì)快速增長(zhǎng)和金融市場(chǎng)的不斷擴(kuò)大，股票已經(jīng)成為人們經(jīng)濟(jì)生活的重要組成部分。股票市場(chǎng)出現(xiàn)以后，人們就試圖研究股票的價(jià)格波動(dòng)，掌握價(jià)格波動(dòng)的規(guī)律，學(xué)術(shù)界發(fā)明了多種研究方法來(lái)對(duì)股票進(jìn)行預(yù)測(cè)。BP神經(jīng)網(wǎng)絡(luò)作為大數(shù)據(jù)預(yù)測(cè)方面的經(jīng)典算法而備受投資者和研究人員的青睞，但是，BP算法由于本身存在收斂速度慢、容易陷入局部極小點(diǎn)等缺陷導(dǎo)致其預(yù)測(cè)效率較低。本文在深入分析股票價(jià)格預(yù)測(cè)面臨的問(wèn)題和比較多種股票價(jià)格預(yù)測(cè)方法的基礎(chǔ)上，探討了遺傳BP神經(jīng)網(wǎng)絡(luò)算法對(duì)股票價(jià)格進(jìn)行

5、預(yù)測(cè)的方法。首先，采用遺傳算法搜索出的最優(yōu)個(gè)體作為BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閥值，再使用試湊法確定隱含層節(jié)點(diǎn)的具體個(gè)數(shù)，構(gòu)造BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。接著，采用BP算法訓(xùn)練網(wǎng)絡(luò)，訓(xùn)練過(guò)程自動(dòng)調(diào)整學(xué)習(xí)率。基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)，既能發(fā)揮遺傳算法的全局搜索性，也能發(fā)揮BP神經(jīng)網(wǎng)絡(luò)的快速性和高效性。兩者有機(jī)結(jié)合，加快運(yùn)算效率，增強(qiáng)BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力和對(duì)股票的預(yù)測(cè)能力?；谶@個(gè)算法思想，本文構(gòu)建了預(yù)測(cè)模型，采用Matlab7．0作為實(shí)驗(yàn)平臺(tái)進(jìn)行仿真實(shí)驗(yàn)，選取滬深300指數(shù)作為實(shí)驗(yàn)標(biāo)的，用前十天的開(kāi)盤價(jià)和收盤價(jià)加上第十一天的開(kāi)盤價(jià)數(shù)據(jù)來(lái)預(yù)測(cè)第十一天的收盤價(jià)。其中，選取14

6、0個(gè)交易日的歷史數(shù)據(jù)中的前100組數(shù)據(jù)作為訓(xùn)練樣本，后30組數(shù)據(jù)作為測(cè)試樣本。并從收斂速度、穩(wěn)定性和精確性三個(gè)方面將單純的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和遺傳BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型進(jìn)行對(duì)比分析。實(shí)驗(yàn)表明，本文提出的基于遺傳神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)方法有一定的實(shí)用性。關(guān)鍵詞：股市預(yù)測(cè)；BP神經(jīng)網(wǎng)絡(luò)算法；遺傳算法；II萬(wàn)方數(shù)據(jù)工程碩士學(xué)位論文AbstractWithChina’Srapideconomicgrowthandtheexpansionofthefinancialmarket，thestockhasbecomeanimportantpartofpeople’Seconom

7、iclife．PeoplehavetriedtOstudythestockpricevolatilityandmastertheregularpatternofpricefluctuationssincethestockmarketcameintobeing．TheBPneuralnetwork，asaclassicalgorithmofthebigdataprediction，isfavoredbyinvestorsandresearchers．However，italsohasdefects，forexample，theBPalgorithmitselfsh

8、owsslowconve