改进型BP算法应用于股市行情分析

摘要

股票市场与经济活动密不可分，它不仅是宏观经济的晴雨表，也是分析微观经济的重要指标。十多年来，我国已有股民数千万，股票已经深入到日常经济生活中的方方面面。因为巨大的经济利益，分析股票内在的规律性一直是研究的热点，股票预测的理论和方法也因此而层出不穷。这些预测方法都在一定程度上揭示了股市的运行规律。但是股价系统内部结构的复杂性、外部因素的多变性决定了股市预测的艰巨性，现有的分析预测方法应用效果并不理想。股票市场是偶然性和必然性的辩证统一，从局部和短期而言表现为较强的偶然性，而从全局和长期而言表现为较强的必然性。股票市场的运行表现为一个高度复杂的非线性系统，对它的预测传统的理论和方法存在一定的困难。而神经网络不但本身就具有非线性的特性，还具有自组织、自适应等特点，能自动从历史数据中提取有关经济活动中的知识，因而非常适用于解决股票预测领域中的一些问题，是解决股票市场预测问题的有效途径。 本文选取了神经网络中应用较广泛、技术较成熟的BP算法来进行股市行情的预测，但传统BP算法存在三个固有的缺陷：收敛速度慢；易陷于局部极小值；难以确定隐层和隐节点的个数。如果直接将其应用于实践，则不能保证收敛时间和预测精度。 本文针对BP神经网络的不足提出了改进，作了如下工作： 1、将股市预测的现有技术手段和分析方法以及这些手段方法的缺陷进行了分析，并介绍了神经网络方法在国内外股市应用中的研究现状。 2、提出了改进型BP算法，并通过严谨的数学推导，修改了传统BP算法的链规则，在理论上证明了其可行性。 3、在确立网络输入向量三个原则的基础上，选择了综合宏观、微观；长期、短期影响的11个输入向量，并对它们用归一化的方法进行了预处理。 4、从深市、沪市中各选择了一支较有代表性的股票，进行了大量的预测实验，用充分翔实的实验数据证实了改进型BP算法相对于传统BP算法的提高之处。 5、通过大量的实验，横向的比较来确定网络的拓扑结构、输入向量和回溯期，以求得最快的收敛速度和最好的预测精度，并给出了相应的理论依据。 其中，本文的创新之处为： 1、在改进型BP算法中提出了偏移量的概念，并对其进行了严谨的数学推导和理论分析。并通过大量的实验证明增加偏移量的方法能较大的提高网络的收敛速度，对网络的泛化能力也有一定的帮助，进一步提高了网络的预测精度。 2、在实验方法上，完全通过实验结果来调整神经网络的各个参数，最大限度的提高网络的各项性能指标。最后综合输入向量、回溯期和拓扑结构给出了一个具体的神经网络模型，将其应用在国内的股票市场上，得到一个令人比较满意的预测精度。 本文的组织结构如下： 第一部分介绍了本文的应用背景，阐述了股市的基本概念、预测变量和技术指标，并对股市预测的传统方法作了简单的介绍，分析了神经网络方法在股市预测中的应用现状。 第二部分介绍了BP神经网络，分析了它的优点和缺点，并据此提出了改进型的BP神经网络。 第三部分初步介绍了开发工具，确定了输入向量、回溯期和拓扑结构并且进行了大量的实验分析。 第四部分将传统的BP神经网络和改进的BP神经网络在收敛时间和收敛精度上进行对比，并在实验的基础上分析了网络参数与预测结果的关系。 第五部分指出了模型的不足和将来研究工作的方向。

目录

文摘

英文文摘

独创性声明及关于论文使用授权的说明

1.绪论

2.改进反向传播算法的理论分析

3.股市预测试验

4.股市预测结果分析

5.结束语

参考文献

后记