基于LM-BP神经网络股票预测研究

摘要

股票市场经过数载发展，在市场经济中占据了越来越重要的地位。股票市场的建立和发展，不仅受国家经济的影响，也为国家的经济建设时时刻刻在做着贡献。然而，股票投资市场并不十分稳定和平稳，成交量和价格方面总有着意料外的波动。股票市场是股票投资者进行交易的平台，无形中在投资者和筹资者之间搭建了利润提升的桥梁。在股票市场上，筹资者公开募股，发行股票，为长期的资金来源提供了保障;与此同时，投资者通过购买公开募股的股票，相当于与公司共发展，上市公司的优劣直接会影响投资者的收益。由于投资者们的心理状态以及投资偏好都不尽相同，故也会选择不同的投资组合，也会承担不同的投资风险。然而，这样的投资也不是一直稳赚不赔的，股票市场波动性很大，投机成分强，股票市场缺乏效率，稳定性差，这些都会危及到股票本身的进一步发展。股票市场的效率体现在上市公司能够合理分配资金并将资金的利用率提升到最大，从而争取更多利润的能力。可是，大量的实证证明，股票市场并不是十分有效的。然而，股价的走势也有一定的规律性可言，这体现在这种走势可以通过非线性函数进行描述，那么也就是可以预测的。影响股价的因素多种多样，对股票所起的作用也复杂多变，为了更加准确的进行预测，将人工神经网络引入到了金融预测领域。原则上，对于连续函数，神经网络能在一定的精度范围内实现良好的训练。人工神经网络可以解决黑箱问题，它回避了数据变化的内在原因，更加科学地通过特定的学习样本进行机器训练，建立一种模型来描述输出与输入变量之间的联系。因此，研究基于神经网络的股票预测问题，不仅具有理论意义，也具有重要的现实意义和参考价值。
　　本文对现有的股票预测方法、BP神经网络及其存在的问题、LM-BP神经网络算法、LM-BP神经网络对股价预测等问题进行了系统研究。在研究过程中，取得的成果主要有:
　　(1)对股票市场特点和股票预测方法进行分析，指出了这种方法的优缺点。
　　(2)针对股票价格预测数据量大，应用标准BP神经网络运算速度慢的问题，推导给出了LM-BP神经网络算法，并设计开发了LM-BP神经网络计算程序。
　　(3)应用LM-BP神经网络预测了美国纳斯达克证券交易所挂牌上市的智联招聘股票的开盘价、最高价、最低价、收盘价走势。预测结果表明，预测精度较高，开盘价格平均相对误差为0.88％，最高价平均相对误差为1.25％，最低价平均相对误差为1.26％，收盘价平均相对误差为1.4％。
　　(4)在预测的基础上，计算给出了移动平均线(MA)、乖离率（BIAS）、相对强弱指标(RSI)、随机指标(KDJ)、人气指标(BOV)、威廉指标(W&R)，并画出了移动平均线(MA)、乖离率(BIAS)、相对强弱指标(RSI)、随机指标(KDJ)、人气指标(BOV)、威廉指标(W&R)曲线，为投资者决策提供参考。
　　最后，本文对股票市场预测问题进行了展望。

目录

声明

摘要

1 前言

1．1 课题的研究背景

1．2 本文研究目的与意义

1．3 股票价格预测的国内外现状

1．4 本文研究内容方法和技术路线

2 概念确定与预测方法分析

2．1 股票基础概念

2．1．1 股票的概念和性质

2．1．2 股价的影响因素

2．1．3 股票术语和技术指标

2．1．4 国内外股票市场的对比及面临问题

2．2 股价预测的基本方法

2．2．1 基本分析法

2．2．2 技术分析法

2．2．3 数量分析法

2．3 股票预测方法的选择

3 标准BP神经网络及其分析

3．1 人工神经元模型

3．2 神经网络分析

3．3 神经网络的学习方式

3．4 BP神经网络基本结构

3．5 标准BP神经网络训练过程

3．6 标准BP神经网络存在的不足

3．7 BP神经网络用于预测时存在的问题分析

4 LM-BP神经网络

4．1 牛顿法的基本原理

4．2 LM-BP神经网络算法

4．3 雅克比矩阵的计算

4．4 隐含层到输出层权值偏导数计算

4．5 输出层阈值偏导数计算

4．6 输入层到隐含层权值偏导数计算

4．7 隐含层阈值偏导数计算

5 基于BP神经网络时间序列预测方法预测股票研究

5．1 时间序列和时间序列预测的概念

5．2 基于BP神经网络时间序列预测方法

5．2．1 确定网络结构

5．2．2 基于BP神经网络的时间序列的输入输出模式

5．3 基于BP神经网络股票预测

5．3．1 网络结构

5．3．2 输入输出模式

5．4 算法流程图

6 基于BP神经网络的股票预测研究

6．1 问题描述

6．2 样本的输入输出模式

6．3 训练样本与测试样本的确定

6．4 网络训练及拟合精度分析

6．5 股票价格预测

7 股票相关指标计算及变化趋势分析

7．1 移动平均线趋势变化及分析

7．2 人气指标趋势变化及分析

7．3 乖离率趋势变化及分析

7．4 相对强弱指标趋势变化及分析

7．5 威廉指标趋势变化及分析

8 结论与展望

8．1 结论

8．2 创新点

8．3 展望

致谢

参考文献

附录

攻读硕士学位期间发表的学术论文