基于小波分析的神經(jīng)網(wǎng)絡(luò)股票預(yù)測(cè)研究.pdf

1、隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展，我國(guó)的證券市場(chǎng)也在日益成長(zhǎng)，股市的高收益正在吸引著越來越多的投資者的進(jìn)場(chǎng)，但高風(fēng)險(xiǎn)也隨之而來，如何正確地預(yù)測(cè)股票市場(chǎng)的運(yùn)行態(tài)勢(shì)，為國(guó)家宏觀經(jīng)濟(jì)調(diào)控提供科學(xué)依據(jù)，使投資者在承受較小風(fēng)險(xiǎn)的情況下獲得較大收益已經(jīng)成為國(guó)內(nèi)外業(yè)界研究的熱門課題。
　　股票市場(chǎng)是一個(gè)非常繁雜的非線性動(dòng)態(tài)系統(tǒng)，傳統(tǒng)的時(shí)間序列預(yù)測(cè)方法往往無法揭示其內(nèi)在規(guī)律，預(yù)測(cè)效果也很難有所突破。為此本文選擇了具備良好非線性擬合效果的神經(jīng)網(wǎng)絡(luò)研究模型，并

2、結(jié)合小波分析理論，建立了基于小波分析的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，選擇滬深300指數(shù)股的部分收盤價(jià)進(jìn)行建模預(yù)測(cè)。論文主要研究?jī)?nèi)容如下：
　　首先引入了小波分析，通過小波的分解與重構(gòu)，將原始時(shí)間序列分解到不同的尺度上；然后根據(jù)不同尺度序列的特點(diǎn)，分別建模；并且在小波分析的過程中，對(duì)小波基函數(shù)的選擇和分解尺度的確定進(jìn)行詳細(xì)的分析研究，為后續(xù)工作提供保障。
　　經(jīng)過小波分析，產(chǎn)生出一個(gè)低頻序列和若干個(gè)高頻序列，通過對(duì)歷史數(shù)據(jù)具有敏感性的

3、低頻序列采用 Elman動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)進(jìn)行建模分析，而對(duì)具有隨機(jī)特性的高頻序列采用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行建模分析后，整合各層分析數(shù)據(jù)并得出最終的預(yù)測(cè)結(jié)果。
　　在神經(jīng)網(wǎng)絡(luò)建模分析的過程中，為了提高網(wǎng)絡(luò)的訓(xùn)練效率以及避免陷入局部最小值，本文采用了附加動(dòng)量法和具有自適應(yīng)速率調(diào)節(jié)的梯度下降法對(duì)神經(jīng)網(wǎng)絡(luò)的傳統(tǒng)學(xué)習(xí)算法存在的網(wǎng)絡(luò)收斂慢、易陷入局部極小的局限性進(jìn)行了改進(jìn)，實(shí)驗(yàn)對(duì)比過程表明，改進(jìn)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法在訓(xùn)練效果和學(xué)習(xí)速度上都有明顯提高。