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

1、股市投資活動需要一種有效的股市預測分析方法，以增加收益，降低風險。股票市場是一個高度復雜的非線性動力學系統(tǒng)，其變化規(guī)律既有一定自身的趨勢性，又受政治、經(jīng)濟、心理等諸多因素的影響。建立在數(shù)理統(tǒng)計基礎(chǔ)上的傳統(tǒng)定量預測方法在對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，能自動從歷史數(shù)據(jù)中提取有關(guān)經(jīng)濟活動中的知識，適用于解決傳統(tǒng)股市預測中的問題，因而研究神經(jīng)網(wǎng)絡(luò)在股市預測中的應(yīng)用問題具有一定的理論意義與實用價值。 由

2、于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)訓練方法的局限性，使得其在股市預測中的精度很難提高。為了提高股市預測的高效性和準確性，在系統(tǒng)分析了當前神經(jīng)網(wǎng)絡(luò)研究以及股市預測所面臨的困難后，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測。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)個體的合作與競爭等復雜行為產(chǎn)生群體智能，為復雜優(yōu)化問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、預測的一般步驟，建立了基于PSO-BP神經(jīng)網(wǎng)絡(luò)的股市預測模型。針對我國股市受宏觀政策等因素影響較大的問題，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我國上證綜合指數(shù)進行了實證分析，并與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)進行了比較。 實證結(jié)果表明，粒子群優(yōu)化算法可以有效彌補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)的問題，大大提高BP神經(jīng)網(wǎng)絡(luò)的收斂速度和預測精度，一定程度上達到了提高算法性能、改進預測效