基于BP神經(jīng)網(wǎng)絡的股價預測應用研究.pdf

1、有效市場條件下,股票價格的變動反映了所有的信息,短期股價隨機游走,技術分析不能幫助投資者獲得超額收益。然而,大量的實證證明,股票市場并非是有效的,股票價格運行存在一定的規(guī)律性。股票價格走勢實際上是一種復雜的非線性函數(shù),因而股價具有一定的可預測性。影響股票價格波動的因素很多,各因素對股價波動的作用方式也異常復雜,因而基于統(tǒng)計學的時間序列預測方法難以取得滿意的效果。為了解決這個難題,具有優(yōu)秀模擬性能的人工神經(jīng)網(wǎng)絡被引入金融預測領域。理論上,

2、對于任意的連續(xù)函數(shù),它能在一定的精度范圍內實現(xiàn)良好的模擬。人工神經(jīng)網(wǎng)絡的獨特性在于它是一種黑箱理論,能不追溯數(shù)據(jù)產(chǎn)生因為,通過給定的訓練樣本進行機器訓練,建立輸出與輸入變量之間的函數(shù)關系,建立非線性過程的模擬模型。利用神經(jīng)網(wǎng)絡來進行股價預測是非常適合的。
　　 本文以廣泛用于預測實踐的BP神經(jīng)網(wǎng)絡為基礎,針對其存在的缺陷設計優(yōu)化方法,結合影響股價運行的各種技術因素,通過網(wǎng)絡結構設計和參數(shù)選擇不斷進行實驗。通過實證檢驗,得出如下結

3、論:1.股價的可預測性證明了我國股票市場運行有其內在規(guī)律,上證指數(shù)的運行不是雜亂無章的,我國股票市場未達到弱勢有效。2.運用帶動量因子梯度下降法和參數(shù)自適應BP算法可以優(yōu)化BP神經(jīng)網(wǎng)絡的性能,該模型在股價預測中體現(xiàn)出良好的性能,因而該改進算法在實踐中是可行的。3.BP神經(jīng)網(wǎng)絡能在較好的精度內預測股價的運行狀況,與傳統(tǒng)線性預測模型相比,神經(jīng)網(wǎng)絡模型在股價預測上具有明顯的優(yōu)越性。
　　 本文結構為:第一章為緒論,介紹選題背景和意義,