基于PCA-GA-BP神经网络对上证指数的预测研究

摘要

股票市场对现代经济的发展发挥着重要的作用，健康规范的股票市场可以促进资金流动，优化资源配置，提升资金的利用效率。然而，在现实中，股票价格通常会受多种因素影响而频繁波动，而股市的剧烈波动则会对金融市场、整体的经济环境以及人们的生活产生巨大影响。准确预测股票市场的价格走势和波动状况，有利于投资者把握时机投资获利或减少投资风险，有利于市场监管者对市场有效监管，有利于股票价格向其真实价格的回归从而减少市场整体波动性、促进市场有效性。因此，力求优化股票价格预测，构造更有效的股票价格预测模型一直是对金融市场理论界和实务界有着极大吸引力的研究课题。　　神经网络是十分热门的、具有广泛应用范围的预测模型。本文运用BP神经网络技术构建股价预测模型，对上证指数进行预测。文中选取上证指数2019年2月19日至2020年6月24日间的日度数据作为样本数据，选择了其基本数据及技术指标作为网络输入变量，将未来一日的上证指数的收盘价设置成为网络输出变量。由于选取的输入变量数量较多，并且相互存在着相关性，于是运用主成分分析法对已经选择出的变量进行降维。通过降维减少输入变量的个数，简化神经网络的结构，提高BP神经网络的效率与精确度。在验证了一般神经网络系统预测模型的有效性之后，本文进一步对模型进行优化。此外，实证中还加入了遗传算法，遗传算法作为一种对全局进行优化的算法，针对BP网络容易收敛到局部极值的问题，可以进行一定程度的弥补。结果显示，PCA-GA-BP神经网络可以很好地对上证指数进行预测，对于我国股票市场有较强的适用性。

目录