基于GA-BP神经网络的股票预测理论及应用

摘要

随着金融市场的发展,股票市场逐步成为人们经济生活的重要组成部分。股票投资因为其高风险,高收益的特性而广受关注,因此股票市场的分析和预测具有极其重要的理论意义和应用价值。
　　 股票市场具有高度非线性的特点,传统的预测工具已经不能满足股票预测的要求。本文在深入分析股票预测方法的基础上,提出了利用BP神经网络进行建模的方法。由于基本BP算法在权值调整过程中存在收敛速度慢,易陷入局部极小值的缺点,本文采用遗传算法优化的BP神经网络,在数据挖掘理论的指导下,实现对股票的预测和数据挖掘。论文利用GABP模型对上证指数和个股进行预测,实证结果表明,BP神经网络用于股票预测是可行的,而GA-BP算法更提高了预测精度。

目录

文摘

英文文摘

第一章 前言

1.1 选题背景与意义

1.2 国内外研究现状

1.3 论文研究内容和框架

第二章 BP神经网络理论及应用

2.1 BP神经网络

2.2 BP神经网络的优缺点

2.2.1 BP神经网络的优点

2.2.2 BP神经网络的缺点

2.3 BP神经网络在股票预测方面的应用与局限

第三章 遗传算法优化BP神经网络(GA-BP神经网络)

3.1 遗传算法

3.1.1 遗传算法基本要素

3.1.2 遗传算法运算流程

3.1.3 遗传算法的特点

3.2 GA-BP神经网络

3.2.1 GA-BP神经网络定义

3.2.2 GA-BP神经网络模型构建

第四章 基于数据挖掘的GA-BP神经网络

4.1 数据挖掘

4.1.1 数据挖掘的产生和定义

4.1.2 数据挖掘的过程

4.1.3 数据挖掘的分类、方法和功能

4.1.4 数据挖掘的发展趋势

4.2 数据挖掘在股票预测方面的应用

4.2.1 数据挖掘在股票预测方面的必要性

4.2.2 数据挖掘在股票预测方面的应用

4.2.3 基于数据挖掘的GA-BP神经网络在股票方面预测的应用

第五章 实证研究

5.1 技术指标选取

5.2 GA-BP神经网络实现和参数选择

5.2.1 GA-BP神经网络的Matlab实现

5.2.2 GA-BP神经网络参数选择

5.3 实证结果分析

5.3.1 上证指数收盘价实证结果分析

5.3.2 个股实证结果分析

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

附录

致谢

在学期间发表的学术论文