結(jié)合粗集的神經(jīng)網(wǎng)絡(luò)在股價(jià)預(yù)測(cè)中的研究與應(yīng)用.pdf

1、股票市場(chǎng)是經(jīng)濟(jì)的“晴雨表”和“報(bào)警器”。因此,對(duì)股票價(jià)格預(yù)測(cè)的研究,對(duì)于投資者和政府來(lái)說(shuō),都具有重大的應(yīng)用價(jià)值和理論意義。但是,由于股票市場(chǎng)的內(nèi)部結(jié)構(gòu)復(fù)雜,外部因素多變,如果僅僅利用傳統(tǒng)的預(yù)測(cè)工具進(jìn)行股價(jià)預(yù)測(cè),就越來(lái)越顯得力不從心。所以,總結(jié)抽象出隱藏在大量股票交易數(shù)據(jù)中的有用信息,使之真正成為可以利用的寶貴資源,就成為一個(gè)迫切需要解決的問(wèn)題?；诖?本文主要從以下幾個(gè)方面進(jìn)行了研究。 (1)選用粗集數(shù)據(jù)預(yù)處理的神經(jīng)網(wǎng)絡(luò)作為本研

2、究的解決方案。數(shù)據(jù)挖掘技術(shù)能從海量數(shù)據(jù)中找出有價(jià)值的信息。在比較了眾多的分類方法的基礎(chǔ)上,結(jié)合本文研究的主題,分析了神經(jīng)網(wǎng)絡(luò)和粗集的優(yōu)缺點(diǎn)后,將粗集作為神經(jīng)網(wǎng)絡(luò)的預(yù)處理的一個(gè)環(huán)節(jié),通過(guò)屬性約簡(jiǎn),消除樣本冗余和噪聲。神經(jīng)網(wǎng)絡(luò)采用改進(jìn)的BP算法,收斂速度快,可跳過(guò)局部極小點(diǎn)。 (2)提出一種改進(jìn)的粗集連續(xù)屬性離散化算法。為了更合理地使用技術(shù)指標(biāo),提高計(jì)算效率,尋求合理的連續(xù)屬性的離散化分割點(diǎn),本文在已有算法的基礎(chǔ)上,基于數(shù)據(jù)統(tǒng)計(jì)性質(zhì)

3、啟發(fā)的信息熵,并滿足相容性指標(biāo),通過(guò)引入樣本數(shù)據(jù)的統(tǒng)計(jì)性質(zhì)作為啟發(fā)式知識(shí),把原來(lái)的全局搜索變?yōu)榫植克阉鲉?wèn)題,提出了改進(jìn)算法。 (3)設(shè)計(jì)開發(fā)股價(jià)預(yù)測(cè)系統(tǒng)。以本文采用的基于粗集預(yù)處理的神經(jīng)網(wǎng)絡(luò)方法為基礎(chǔ),將其研究成果應(yīng)用于股市實(shí)踐中,用該系統(tǒng)進(jìn)行了股價(jià)預(yù)測(cè)實(shí)驗(yàn)。并把本文采用的方法與BP網(wǎng)絡(luò)方法進(jìn)行了計(jì)算效率與精確率兩方面對(duì)比分析。實(shí)驗(yàn)結(jié)果表明在這兩方面本文采用的方法均優(yōu)于BP網(wǎng)絡(luò)方法。 本文的研究成果,為股票市場(chǎng)信息分析提