面向股票價(jià)格預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)建模與分析.pdf

1、通過(guò)對(duì)股票價(jià)格可預(yù)測(cè)性的分析，本文提出利用BP神經(jīng)網(wǎng)絡(luò)方法預(yù)測(cè)中信證券和中國(guó)人壽兩只股票在一段時(shí)間內(nèi)的股價(jià)走勢(shì)。
　　在分析股市價(jià)格波動(dòng)方面，傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)存在收斂速度慢，訓(xùn)練結(jié)果容易陷入局部極小值，從而導(dǎo)致訓(xùn)練不成功，預(yù)測(cè)精度低等問(wèn)題，本文在經(jīng)典算法的基礎(chǔ)上加入動(dòng)量項(xiàng)并結(jié)合變步長(zhǎng)的優(yōu)化算法進(jìn)行了改進(jìn)，并與傳統(tǒng)算法在相同樣本以及參數(shù)下，進(jìn)行實(shí)驗(yàn)對(duì)比，驗(yàn)證本文所提優(yōu)化的自適應(yīng)算法訓(xùn)練效果更好。
　　傳統(tǒng)的單隱層BP神經(jīng)網(wǎng)絡(luò)

2、理論上可以逼近任何函數(shù)，然而實(shí)際并非如此，因?yàn)槿绻诰唧w預(yù)測(cè)問(wèn)題中沒(méi)有使用恰當(dāng)參數(shù)，極有可能導(dǎo)致預(yù)測(cè)誤差巨大，甚至預(yù)測(cè)失敗等問(wèn)題。所以本文對(duì)隱層節(jié)點(diǎn)數(shù)，激勵(lì)函數(shù)類型都做了大量的對(duì)比實(shí)驗(yàn)，從而確定選擇隱層節(jié)點(diǎn)個(gè)數(shù)和激勵(lì)函數(shù)類型。
　　價(jià)值指標(biāo)體現(xiàn)了上市公司的經(jīng)營(yíng)狀況，技術(shù)指標(biāo)總結(jié)了股市漲跌情況，通過(guò)價(jià)值指標(biāo)能夠預(yù)測(cè)企業(yè)未來(lái)發(fā)展趨勢(shì)，而分析技術(shù)指標(biāo)能夠預(yù)測(cè)股價(jià)未來(lái)走勢(shì)?？紤]到這兩種指標(biāo)均能直接或者間接反映股市信息，因此本文決定結(jié)合兩種