基于灰色系统和神经网络的创业板股票价格预测研究

摘要

股票价格预测是投资领域的一个重点关注课题。由于股票价格受到诸多非线性因素的影响,得到精确的预测结果较为困难。为了消除股票指标的多重共线性,采用AdaptiveLasso算法对指标变量进行筛选,实现了数据降维。之后,利用灰色预测对股票价格影响指标进行预测,并在此基础上利用神经网络模型对股票收盘价进行预测。结果表明,利用灰色系统和BP神经网络结合的模型所得预测结果平均相对误差为0.095,且运行效率较高,对股票预测具有一定的积极意义。