基于小波分析和BP神经网络相结合的股票波动预测方法研究

摘要

股票价格具有天生的随机性和偶然性，股票价格的波动通常表现为一个没有规律的随机波动，且加上人为的心理因素及整个社会环境的不确定因素，单一的线性时间序列预测模型,如指数平滑法，ARMA模型，移动平均线法，由于受到传统的时间序列的平稳性、正态性、独立性的限制，在进行股价预测时会出现一定的局限性，无法达到满意的预测效果，因此在股价预测中引入非线性分析方法，借助多种模型进行整合研究，现已成为股价预测研究领域中一种新的必然选择。 BP神经网络在股价预测方面有着独特的优势，它不需要建立复杂的非线性系统的显式关系和模型就可以进行预测，是目前预测理论中比较前沿的一种理论，但是不久科研人员也发现BP神经网络模型如果选取了不当的网络初始参数，就很容易出现局部陷入极小值，算法收敛速度慢，难以显式表达等问题，导致预测准确率降低，甚至趋势预测错误的严重后果，影响了神经网络模型在股票预测中的进一步使用。 近年来小波分析法被广泛应用于科学和工程的各个领域，实践表明，小波分析因为可以将时频局域化，因此在数据降噪方面比传统的降噪方式有着更为明显的优势，所以将小波分析引入经济和金融领域，作为股票市场的分析和预测工具也是一种必然的选择，但是小波分析的应用范围虽然很广，但单独使用小波分析真正取得极佳应用效果的案例并不多见。 因为小波分析和BP神经网络都有各自的内在局限性，盲目使用任何一种分析方法都有可能导致对股价的预测结果错误，造成投资者的损失。所以本文是从小波神经网络的构造理论出发，利用小波分解与重构与BP神经网络相结合形成“小波神经网络短期预测模型”,对所采集的数据进行预处理和处理，通过运算对个股收盘价进行短期的分析和趋势预测。结果表明，小波神经网络预测模型是有效的，可行的，希望本文的研究对股票投资策略分析具有一定的理论意义和实践指导意义。

目录

声明

第1章 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 文献综述

1.2.1 国外相关研究文献综述

1.2.2 国内相关研究文献综述

1.2.3国内外研究评述

1.3 研究思路与研究内容

1.3.1 研究思路

1.3.2 研究内容

第2章 股市预测的相关理论及常用方法研究

2.1 股市预测的研究和发展概述

2.1.1 国外股市预测的研究和发展史

2.1.2 国内股市预测的研究和发展史

2.2 股市预测的基本面分析法

2.3 股市预测的技术面分析法

2.3.1技术面分析法的理论基础

2.3.2 技术面分析方法

第3章 BP神经网络的基本理论

3.1 神经网络基本原理及发展历史

3.2 BP（反向传播）神经网络的网络结构及训练与学习

3.2.1 人工神经元结构与工作方式

3.2.2 多层前馈神经网络的网络结构

3.2.3 BP神经网络结构及其工作原理

3.2.4 BP 神经网络的训练与学习

3.3 BP神经网络算法的基本步骤

3.4 BP神经网络的局限性

第4章 小波分析的基本理论

4.1 小波分析的概述

4.1.1 小波分析产生的背景

4.1.2 小波分析的发展历史

4.2傅里叶（Fourier）分析基本理论

4.2.1 时域与频域

4.2.2傅里叶级数（Fourier Series）与傅里叶变换（Fourier Transformation）

4.2.3小波变换

4.3 多分辨分析 （MRA）

4.4小波神经网络模型的网络结构与特征

4.4.1小波神经网络模型网络结构与种类

4.4.2 小波神经网路的特征

4.5 小波分析的局限性

第5章 基于小波分析和BP神经网络相结合的股票短期预测模型的构造

5.1 小波分析和BP神经网络结合的意义

5.2 小波分析和BP神经网络结合的方式

5.3基于小波分解和重构BP神经网络的股票预测模型

5.3.1基于小波分解和重构BP神经网络的股票预测模型的建模流程

5.3.2训练样本数据的选取

5.3.3小波信号的分解与重构

5.3.4小波函数的选择

5.3.5小波分解层数的选择

5.3.6网络结构的确定

5.3.7数据的归一化和反归一化处理

第6章 基于小波神经网络对股价预测的基本步骤及其实证分析

6.1 预测评价指标

6.2样本数据选取与建模方法

6.2.1样本选取

6.2.2建模方法

6.3短期预测模型的实证结果分析

6.3.1数据归一化处理

6.3.2小波重构尺度的选择

6.3.3短期预测模型的预测

6.4模型拓展应用的实证分析

第7章 结论与建议

参考文献

发表论文和参加科研情况说明

致谢