基于GA的ANN股價(jià)指數(shù)預(yù)測(cè)研究.pdf

1、近年來，人工神經(jīng)網(wǎng)絡(luò)(ANN)的快速發(fā)展，為股票市場(chǎng)的建模與預(yù)測(cè)提供了許多新技術(shù)和新方法。目前，國內(nèi)外很多學(xué)者建立了基于人工神經(jīng)網(wǎng)絡(luò)的股票價(jià)格指數(shù)預(yù)測(cè)模型。還有一些學(xué)者，嘗試將多種模型和人工神經(jīng)網(wǎng)絡(luò)模型混合應(yīng)用，但是這些模型都存在一定問題，其預(yù)測(cè)性能不盡人意。本文針對(duì)現(xiàn)行的股價(jià)指數(shù)預(yù)測(cè)方法的不足，根據(jù)股票價(jià)格指數(shù)的非線性變動(dòng)特點(diǎn)，探討基于遺傳算法(GA)的人工神經(jīng)網(wǎng)絡(luò)股價(jià)指數(shù)預(yù)測(cè)模型的建立與應(yīng)用。 具體來講，全文共分為七章。

2、 第一章是導(dǎo)論，闡述本文的選題目的和意義，綜述國內(nèi)外利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行股價(jià)指數(shù)預(yù)測(cè)的研究，并概述本文的研究內(nèi)容、研究方法和技術(shù)路線。 第二章，論述股價(jià)指數(shù)預(yù)測(cè)的現(xiàn)狀和存在的問題。目前國內(nèi)外學(xué)者利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行股價(jià)預(yù)測(cè)，主要是基于兩類方法，一類是利用單一的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行建模預(yù)測(cè)，但是由于單一神經(jīng)網(wǎng)絡(luò)存在的“過擬合”問題，其預(yù)測(cè)性能并不理想；另一類是混合多種人工智能技術(shù)進(jìn)行建模并預(yù)測(cè)，但依然存在變量選擇、算法選取和樣本設(shè)

3、計(jì)不合理等問題，同時(shí)，混合多種智能技術(shù)的模型應(yīng)用往往十分復(fù)雜，限制了其實(shí)際應(yīng)用。 第三章，闡述人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的基本理論。重點(diǎn)闡述BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)設(shè)計(jì)和遺傳算法的原理及基本流程，并根據(jù)我國股價(jià)指數(shù)變動(dòng)的特點(diǎn)，構(gòu)建基于GA的ANN股價(jià)指數(shù)預(yù)測(cè)框架。 第四章對(duì)股價(jià)指數(shù)預(yù)測(cè)進(jìn)行分析。在分析股價(jià)指數(shù)預(yù)測(cè)難點(diǎn)的基礎(chǔ)上，重點(diǎn)闡述了將遺傳算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，進(jìn)行股價(jià)指數(shù)預(yù)測(cè)的優(yōu)勢(shì)。利用遺傳算法優(yōu)化BP網(wǎng)絡(luò)的權(quán)值，既克

4、服了單一BP神經(jīng)網(wǎng)絡(luò)存在的“過擬合”問題，又解決了單一遺傳算法的收斂性差的問題。即可利用基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型的非線性函數(shù)逼近特性，對(duì)股價(jià)指數(shù)進(jìn)行預(yù)測(cè)。 第五章，建立基于GA的ANN股價(jià)指數(shù)預(yù)測(cè)模型。首先確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和初始權(quán)值；接著構(gòu)造訓(xùn)練樣本，對(duì)BP網(wǎng)絡(luò)進(jìn)行初次學(xué)習(xí)訓(xùn)練，并用測(cè)試樣本對(duì)網(wǎng)絡(luò)的預(yù)測(cè)性能進(jìn)行檢測(cè)；然后，利用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值進(jìn)行優(yōu)化，并將優(yōu)化后的權(quán)值和閥值固定下來，利用訓(xùn)練樣本對(duì)優(yōu)化后的網(wǎng)

5、絡(luò)進(jìn)行再次訓(xùn)練，并再次進(jìn)行測(cè)試，最終建立基于GA的ANN股價(jià)指數(shù)預(yù)測(cè)模型。 第六章，是滬深300指數(shù)預(yù)測(cè)。選擇具有較好市場(chǎng)代表性的滬深300指數(shù)，利用第五章建立的模型，對(duì)滬深300指數(shù)進(jìn)行預(yù)測(cè)。預(yù)測(cè)結(jié)果表明，文中所建立的基于GA的BP網(wǎng)絡(luò)模型預(yù)測(cè)比較精確，可將其用于實(shí)際中股價(jià)指數(shù)預(yù)測(cè)，為投資者提供一定幫助。 第七章是結(jié)論與展望。本文的基本結(jié)論為：經(jīng)過遺傳算法優(yōu)化后的BP網(wǎng)絡(luò)模型能夠提高指數(shù)預(yù)測(cè)的精度；模型需要合理確定BP