粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)在股市預(yù)測(cè)中的建模與應(yīng)用.pdf

1、股市投資活動(dòng)需要一種有效的股市預(yù)測(cè)分析方法，以增加收益，降低風(fēng)險(xiǎn)。股票市場(chǎng)是一個(gè)高度復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)，其變化規(guī)律既有一定自身的趨勢(shì)性，又受政治、經(jīng)濟(jì)、心理等諸多因素的影響。建立在數(shù)理統(tǒng)計(jì)基礎(chǔ)上的傳統(tǒng)定量預(yù)測(cè)方法在對(duì)股市的研究中面臨著諸多困難，而神經(jīng)網(wǎng)絡(luò)具有自組織、自適應(yīng)等特點(diǎn)，能自動(dòng)從歷史數(shù)據(jù)中提取有關(guān)經(jīng)濟(jì)活動(dòng)中的知識(shí)，適用于解決傳統(tǒng)股市預(yù)測(cè)中的問(wèn)題，因而研究神經(jīng)網(wǎng)絡(luò)在股市預(yù)測(cè)中的應(yīng)用問(wèn)題具有一定的理論意義與實(shí)用價(jià)值。 由

2、于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法的局限性，使得其在股市預(yù)測(cè)中的精度很難提高。為了提高股市預(yù)測(cè)的高效性和準(zhǔn)確性，在系統(tǒng)分析了當(dāng)前神經(jīng)網(wǎng)絡(luò)研究以及股市預(yù)測(cè)所面臨的困難后，將粒子群優(yōu)化算法(PSO)與BP算法相結(jié)合的PSO-BP混合算法用于股市預(yù)測(cè)。粒子群優(yōu)化算法是一種基于群體智能理論的優(yōu)化算法，該算法利用生物群體內(nèi)個(gè)體的合作與競(jìng)爭(zhēng)等復(fù)雜行為產(chǎn)生群體智能，為復(fù)雜優(yōu)化問(wèn)題的求解提供了高效的解決方法。 在理論分析的基礎(chǔ)上，給出了BP神經(jīng)網(wǎng)絡(luò)用于股市

3、預(yù)測(cè)的一般步驟，建立了基于PSO-BP神經(jīng)網(wǎng)絡(luò)的股市預(yù)測(cè)模型。針對(duì)我國(guó)股市受宏觀政策等因素影響較大的問(wèn)題，在模型輸入變量中引入了能夠體現(xiàn)環(huán)境影響因素的環(huán)境變量。最后利用所建立的模型對(duì)我國(guó)上證綜合指數(shù)進(jìn)行了實(shí)證分析，并與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了比較。 實(shí)證結(jié)果表明，粒子群優(yōu)化算法可以有效彌補(bǔ)BP神經(jīng)網(wǎng)絡(luò)的不足，改善了BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)的問(wèn)題，大大提高BP神經(jīng)網(wǎng)絡(luò)的收斂速度和預(yù)測(cè)精度，一定程度上達(dá)到了提高算法性能、改進(jìn)預(yù)測(cè)效