基于BP神經(jīng)網(wǎng)絡(luò)的股價預(yù)測研究.pdf

1、股市是現(xiàn)代金融市場的一個重要組成部分，股票價格不僅受到公司內(nèi)部因素的影響，還受到宏觀經(jīng)濟因素和市場因素的影響.由于眾多因素的影響，投資者很難把握股價的變化規(guī)律.所以建立一個能夠較好預(yù)測股票未來價格的模型，對投資者來說有實際應(yīng)用價值.
　　BP神經(jīng)網(wǎng)絡(luò)通過對股價歷史數(shù)據(jù)的學(xué)習(xí)，將股價變化的規(guī)律存儲在神經(jīng)元的權(quán)值中，通過訓(xùn)練好的網(wǎng)絡(luò)預(yù)測未來股價.本文首先改進了激勵函數(shù)，使用新的激勵函數(shù)建立基于BP神經(jīng)網(wǎng)絡(luò)的單變量預(yù)測模型，并驗證了激勵

2、函數(shù)的有效性.結(jié)合周末效應(yīng)確定輸入數(shù)據(jù)和目標(biāo)輸出的擬合模式，預(yù)測結(jié)果不太理想.然后改進輸入數(shù)據(jù)和目標(biāo)輸出的擬合模式，預(yù)測誤差明顯減小，但是改進后的擬合模式每次只能預(yù)測一個未來股票價格.通過實證確定模型最優(yōu)的參數(shù)后推廣至連續(xù)預(yù)測，短期內(nèi)連續(xù)預(yù)測精度可以接受.最后使用時間序列的擬合模式，預(yù)測的誤差更小，通過選取合適的輸入層神經(jīng)元數(shù)量，能將誤差控制在較小范圍內(nèi)，表明該擬合模式在單變量預(yù)測模型里是最優(yōu)的.確定最優(yōu)擬合模式，建立單變量動態(tài)預(yù)測模型

3、，加入決策函數(shù)和狀態(tài)函數(shù)進行投資決策，策略收益率明顯高于個股和指數(shù)收益率，取得了超額收益.
　　將單變量模型推廣到多變量模型，并加入新變量開盤價、最高價和最低價，根據(jù)輸出方式的不同分為多輸出和單輸出兩種模型.在多輸出模型中確定最優(yōu)的變量組合為開盤價和收盤價兩個變量.而在單輸出模型中，確定使用四個變量的預(yù)測精度更高.在預(yù)測效果上，兩個模型均能夠?qū)崿F(xiàn)較好的預(yù)測結(jié)果，并且各有優(yōu)劣.分別將兩個模型推廣到動態(tài)預(yù)測模型，并結(jié)合投資策略，兩種模