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

1、隨著中國經(jīng)濟的快速發(fā)展，我國的證券市場也在日益成長，股市的高收益正在吸引著越來越多的投資者的進場，但高風險也隨之而來，如何正確地預(yù)測股票市場的運行態(tài)勢，為國家宏觀經(jīng)濟調(diào)控提供科學(xué)依據(jù)，使投資者在承受較小風險的情況下獲得較大收益已經(jīng)成為國內(nèi)外業(yè)界研究的熱門課題。
　　股票市場是一個非常繁雜的非線性動態(tài)系統(tǒng)，傳統(tǒng)的時間序列預(yù)測方法往往無法揭示其內(nèi)在規(guī)律，預(yù)測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態(tài)神經(jīng)網(wǎng)絡(luò)預(yù)測模型，選擇滬深300指數(shù)股的部分收盤價進行建模預(yù)測。論文主要研究內(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，分別建模；并且在小波分析的過程中，對小波基函數(shù)的選擇和分解尺度的確定進行詳細的分析研究，為后續(xù)工作提供保障。
　　經(jīng)過小波分析，產(chǎn)生出一個低頻序列和若干個高頻序列，通過對歷史數(shù)據(jù)具有敏感性的

3、低頻序列采用 Elman動態(tài)神經(jīng)網(wǎng)絡(luò)進行建模分析，而對具有隨機特性的高頻序列采用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進行建模分析后，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，本文采用了附加動量法和具有自適應(yīng)速率調(diào)節(jié)的梯度下降法對神經(jīng)網(wǎng)絡(luò)的傳統(tǒng)學(xué)習算法存在的網(wǎng)絡(luò)收斂慢、易陷入局部極小的局限性進行了改進，實驗對比過程表明，改進的神經(jīng)網(wǎng)絡(luò)學(xué)習算法在訓(xùn)練效果和學(xué)習速度上都有明顯提高。