基于BP神經網絡的股價預測研究.pdf

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