遺傳算法優(yōu)化的BP神經網絡在股市預測中的應用.pdf

1、股票是市場經濟的產物，現已成為金融市場中不可或缺的組成部分，在推助國民經濟健康發(fā)展、籌措企業(yè)資金需求、社會財富再分配以及個人投資理財中發(fā)揮著重要作用。但股票價格受企業(yè)經營狀況、政策走勢、經濟大環(huán)境等諸多因素的影響，投資股市面臨巨大風險。對于占股市絕大多數的中小投資者來說，在進行股票投資活動時需要一種有效的分析方法來輔助決策，從而最大限度的降低風險，增加收益。
　　 對股市價格預測的方法很多，傳統的預測模型大多建立在長期、大樣本的

2、數據統計分析基礎之上，對數據分布規(guī)律性和數據本身的完整性要求較高，中長期的股市預測較為準確。但股市是一個復雜的多變量非線性動態(tài)系統，傳統方法對股市短期價格走勢的預測存在很大局限性。人工神經網絡具有良好的非線性逼近能力和對雜亂信息的綜合處理能力，其特性與股票市場的研究難點相對應，能夠克服傳統方法中的不足，在短期預測中準確度較高。近年來，國內外很多學者將人工神經網絡應用于股市預測研究，取得了較好的效果。
　　 因此本文選擇應用廣泛、

3、算法成熟的BP神經網絡來研究股票價格的預測。首先詳細論述了BP神經網絡的基本原理和操作方法。對BP神經網絡在實際應用中存在的缺點進行分析，針對這些不足引入遺傳算法來優(yōu)化BP神經網絡的初始權值，從而解決網絡初始權值難設定的問題，有效降低了預測誤差并提高了網絡的收斂速度。
　　 為了驗證本文算法的穩(wěn)定性和實用性，在實驗中選擇了上證A股的皖通高速和中國石化兩支不同類型的股票數據作為實驗樣本。由于本文進行股票價格的短期預測，考慮到股票價

4、格前后的關聯性，將股票連續(xù)三天的開盤價、最高價、最低價、收盤價、成交量和MA5作為一個輸入樣本，第四天開盤價、最高價、最低價、收盤價、成交量和MA5作為輸出樣本，以此滾動建立訓練樣本。首先建立BP網絡進行訓練，然后用遺傳算法優(yōu)化BP網絡，通過選擇、交叉和變異操作找到最優(yōu)適應度值個體，將最優(yōu)個體應用在對BP網絡的權值和閾值的優(yōu)化，然后再對同一樣本進行訓練。對比優(yōu)化前后的預測結果可以發(fā)現：遺傳算法優(yōu)化BP網絡可以大幅提升兩支股票的預測精度，