基于神經網絡的股市預測的研究.pdf

1、本文針對股票市場這一復雜的非線性動力學系統(tǒng)，著重分析了一種基于遺傳算法和遞歸神經網絡(GA-Elman)的股價預測模型，將歷史數據作為網絡的學習樣本，找出股價趨勢發(fā)展的內在規(guī)律，并通過仿真實驗驗證了GA-Elman 神經網絡模型對股市預測效果。 論文主要工作包括：首先，對GA-Elman模型的輸入因子進行選擇，綜合考慮影響股票價格的各個因素，進行分析從而選擇了幾組有效的數據（開盤價、成交量、成交金額、漲跌幅、最高價、最低價）作為

2、輸入數據；其次，采用實數編碼的遺傳算法，選擇過程通過最佳保留方法，通過相鄰染色體算術交叉算子和非均勻變異方法，利用精英保留策略，確定GA-Elman 神經網絡的網絡結構和權值；再次，利用GA-Elman 遞歸神經網絡結構和權值建立預測模型；最后，本文主要選取了幾十只股票的350個交易日的數據，每只股票選取其中70％的數據作為訓練數據，30％的數據作為測試數據，進行仿真實驗，并將其和GA-BP模型預測結果進行比較，在迭代次數為2500 次