基于PCA-NARX神經(jīng)網(wǎng)絡(luò)模型的股指研究.pdf

1、股市在金融市場(chǎng)中占據(jù)著不可替代的作用，而反應(yīng)股市總的走勢(shì)是股指。股指的走勢(shì)是監(jiān)管部門對(duì)股票市場(chǎng)合理調(diào)控和針對(duì)性監(jiān)管的依據(jù)，同時(shí)股指的走勢(shì)能讓投資者更正確認(rèn)識(shí)和把握我國(guó)股票市場(chǎng)波動(dòng)的混沌規(guī)律，并且它可以為投資組合等重大課題提供一些實(shí)際依據(jù)。因此，如何對(duì)股指進(jìn)行準(zhǔn)確預(yù)測(cè)就具有非常重要的意義。
　　由于股指的影響因素眾多、波動(dòng)幅度較大，因素間具有高噪聲和非線性等諸多特征，傳統(tǒng)的股票價(jià)格預(yù)測(cè)方法無法消除數(shù)據(jù)的高噪聲。因此，為了提高股指預(yù)測(cè)

2、精度，在前人研究的基礎(chǔ)上，本文做了如下的研究：
　　本文首先綜述了影響股指走勢(shì)的相關(guān)因素，在此基礎(chǔ)上，本文選擇了21個(gè)宏觀經(jīng)濟(jì)指標(biāo)和6個(gè)輿情指標(biāo)，構(gòu)成了27個(gè)變量指標(biāo)，隨后研究了這些變量與滬深300指數(shù)收盤價(jià)之間的相關(guān)性，并對(duì)27個(gè)變量指標(biāo)進(jìn)行主成分分析，將27個(gè)變量指標(biāo)降到6個(gè)維度，從而消除各因素之間的冗余性。其次，基于神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè)的相關(guān)研究，本文采用 NARX神經(jīng)網(wǎng)絡(luò)對(duì)股指進(jìn)行預(yù)測(cè)。本文構(gòu)建了一個(gè)基于主成分分析(PC

3、A)的NARX神經(jīng)網(wǎng)絡(luò)股指預(yù)測(cè)模型(PCA-NARX)，并用Levenberg-Marquardt算法、Bayesian-Regularization算法、Scaled Conjugate Gradient算法三種算法對(duì)模型進(jìn)行訓(xùn)練。最后，利用PCA-NARX模型對(duì)滬深300指數(shù)數(shù)據(jù)進(jìn)行驗(yàn)證性測(cè)試和分析，且將PCA-NARX模型與NARX模型的研究結(jié)果進(jìn)行對(duì)比分析。
　　論文研究結(jié)果表明：不同的算法求解的效果存在差異性，但是整體對(duì)