

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、股市是現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部因素的影響,還受到宏觀經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測股票未來價格的模型,對投資者來說有實際應用價值.
BP神經網絡通過對股價歷史數據的學習,將股價變化的規(guī)律存儲在神經元的權值中,通過訓練好的網絡預測未來股價.本文首先改進了激勵函數,使用新的激勵函數建立基于BP神經網絡的單變量預測模型,并驗證了激勵
2、函數的有效性.結合周末效應確定輸入數據和目標輸出的擬合模式,預測結果不太理想.然后改進輸入數據和目標輸出的擬合模式,預測誤差明顯減小,但是改進后的擬合模式每次只能預測一個未來股票價格.通過實證確定模型最優(yōu)的參數后推廣至連續(xù)預測,短期內連續(xù)預測精度可以接受.最后使用時間序列的擬合模式,預測的誤差更小,通過選取合適的輸入層神經元數量,能將誤差控制在較小范圍內,表明該擬合模式在單變量預測模型里是最優(yōu)的.確定最優(yōu)擬合模式,建立單變量動態(tài)預測模型
3、,加入決策函數和狀態(tài)函數進行投資決策,策略收益率明顯高于個股和指數收益率,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測精度更高.在預測效果上,兩個模型均能夠實現較好的預測結果,并且各有優(yōu)劣.分別將兩個模型推廣到動態(tài)預測模型,并結合投資策略,兩種模
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于BP神經網絡的股價預測應用研究.pdf
- 基于BP人工神經網絡模型的個股股價預測.pdf
- 基于BP神經網絡的稅收預測研究.pdf
- 基于BP神經網絡的股價預測方法研究——以軍工板塊為例.pdf
- 基于BP神經網絡的銷售預測研究.pdf
- 基于動態(tài)神經網絡的股價預測模型研究
- 基于BP神經網絡的匯率預測模型研究.pdf
- 基于BP神經網絡的灰色預測模型.pdf
- 基于遺傳BP神經網絡的股市預測.pdf
- 基于動態(tài)神經網絡的股價預測模型研究.pdf
- 基于BP神經網絡的時序預測模型的研究.pdf
- 基于BP神經網絡的銷售預測模型.pdf
- 基于bp神經網絡的高校暫付款預測研究
- 基于bp神經網絡的高校暫付款預測研究
- 基于BP神經網絡的AUV航跡預測方法研究.pdf
- 基于BP人工神經網絡的短期交通預測研究.pdf
- 基于BP神經網絡的卷煙銷售違規(guī)預測研究.pdf
- 基于改進BP神經網絡的電力負荷預測研究.pdf
- 基于BP神經網絡的交通流量預測.pdf
- 基于BP神經網絡的模糊時間序列預測.pdf
評論
0/150
提交評論