基于神經(jīng)網(wǎng)絡與主成分分析的組合預測研究.pdf

1、股票市場是與人們的生活、社會穩(wěn)定和經(jīng)濟發(fā)展密切相關的金融市場，如何有效地分析和預測股市走勢一直是人們關注研究的問題，現(xiàn)在已經(jīng)提出了很多理論方法和技術。在這些方法中，人工神經(jīng)網(wǎng)絡由于其獨特的結構和處理信息的方法，高度并行、分布式存儲等特點，特別適合于處理不確定的模糊信息和要同時考慮許多因素條件的問題，因此在股市分析中越來越受到人們的重視。 但是，對于復雜問題和高維輸入變量，直接用神經(jīng)網(wǎng)絡進行預測，會帶來網(wǎng)絡規(guī)模的劇增，運算時間的增

2、加，網(wǎng)絡的收斂性和泛化能力的降低；另一方面，由于預測因子之間的相關性，導致輸入信息重疊，也使得模型預報的準確率降低，因此，應對此類樣本和眾多的預報因子進行必要的處理。 本文針對股市中收盤價的預測問題，首先用SOM神經(jīng)網(wǎng)絡對具有分散特性樣本進行分類，對于分類后的各個子類，分別建立與之對應的BP神經(jīng)網(wǎng)絡預測模型；為了進一步提高預測精度和網(wǎng)絡訓練的效率，對眾多的預報因子采用主成分分析的方法進行降維處理。在實際預測時，要對實時數(shù)據(jù)進行判

3、別分類，選擇對應的模型進行預測輸出。這樣，將SOM神經(jīng)網(wǎng)絡、主成分分析、BP神經(jīng)網(wǎng)絡有機地結合起來，構建了股市收盤價的實時組合預測模型。為了驗證本文提出的基于神經(jīng)網(wǎng)絡和主成分分析的組合預測模型的有效性，建立以下三個模型： (1)對樣本不做任何處理，直接用于BP網(wǎng)絡訓練和測試。 (2)在BP網(wǎng)絡訓練前，用SOM神經(jīng)網(wǎng)絡對樣本分類，然后針對每一個子類分別建立BP網(wǎng)絡預測模型。 (3)在BP網(wǎng)絡訓練前將樣本分類后，并做