基于神經(jīng)網(wǎng)絡(luò)的股票行情趨勢(shì)預(yù)測(cè).pdf

1、本文利用數(shù)據(jù)挖掘技術(shù)對(duì)我國(guó)股票行情波動(dòng)趨勢(shì)進(jìn)行研究，其目的是為了預(yù)測(cè)未來(lái)股市的行情走勢(shì)及其波動(dòng)周期。介紹了在數(shù)據(jù)挖掘中各個(gè)環(huán)節(jié)使用到的技術(shù)基礎(chǔ)理論及其在本文中的使用方法，主要介紹了筆者對(duì)股票數(shù)據(jù)挖掘研究的整個(gè)過(guò)程以及實(shí)驗(yàn)結(jié)果和結(jié)果分析。 在本文的數(shù)據(jù)挖掘建模過(guò)程的數(shù)據(jù)預(yù)處理階段，采用了小波變換算法對(duì)股票的每日收盤價(jià)進(jìn)行平化處理，使得股票價(jià)格波動(dòng)很理想地嚴(yán)格服從股票波動(dòng)趨勢(shì)，從而可以截取波段。每一波段稱之為一個(gè)模式，而一個(gè)模式由三

2、個(gè)特征屬性來(lái)描述：區(qū)間長(zhǎng)度，成交量總和，波段斜率。在數(shù)據(jù)挖掘階段，建立數(shù)據(jù)挖掘模型過(guò)程中采用了BP神經(jīng)網(wǎng)絡(luò)算法，建立一個(gè)三層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，即輸入層、隱含層和輸出層。對(duì)數(shù)據(jù)預(yù)處理后得到的數(shù)據(jù)進(jìn)行挖掘，利用前M個(gè)模式作為網(wǎng)絡(luò)模型輸入，經(jīng)過(guò)隱含層的變換，輸出第M+1個(gè)模式的區(qū)間長(zhǎng)度值，也就是利用前M各股市波動(dòng)行情來(lái)預(yù)測(cè)下一個(gè)行情的周期。由于每個(gè)模式有3個(gè)特征值，所以網(wǎng)絡(luò)模型的輸入節(jié)點(diǎn)個(gè)數(shù)為3M個(gè)。通過(guò)C＃語(yǔ)言編程實(shí)現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)挖掘模型。

3、接下來(lái)就是訓(xùn)練神經(jīng)網(wǎng)絡(luò)，訓(xùn)練之前把數(shù)據(jù)預(yù)處理得來(lái)的數(shù)據(jù)分成兩部分，一部分用于訓(xùn)練，另一部分用于測(cè)試。通過(guò)訓(xùn)練的誤差曲線圖可以看到當(dāng)M值越大其誤差就越小，另外也可以從測(cè)試的預(yù)測(cè)結(jié)果對(duì)比圖可以看出M值越大預(yù)測(cè)值就越接近預(yù)期目標(biāo)。但是當(dāng)M值越大其計(jì)算量就越大，效率也越低，所以只要M值適當(dāng)，我們也可以得到很理想的效果。通過(guò)對(duì)我國(guó)滬深兩市大量的A股的交易數(shù)據(jù)的訓(xùn)練和測(cè)試結(jié)果，我們可以看到數(shù)據(jù)挖掘技術(shù)、神經(jīng)網(wǎng)絡(luò)算法在股票預(yù)測(cè)方面非常有應(yīng)用價(jià)值，通過(guò)