基于非參數(shù)的多種群遺傳神經(jīng)網(wǎng)絡(luò)在股指預(yù)測中的應(yīng)用.pdf

1、現(xiàn)代的股票市場是一個巨大的投資、融資市場，每天都有大筆資金的流入和流出，它在社會穩(wěn)定發(fā)展中扮演著越來越重要的角色。若是誰能把握住股票市場發(fā)展的趨勢，并且能夠在短時間內(nèi)做出投資決策，那么誰就能從這個巨大的投、融資市場上獲取利益。若想把握住股市的趨勢，并且能夠及時做出正確的決策，對股票市場進行預(yù)測和分析就顯得必不可少?，F(xiàn)有的股市預(yù)測分析方法主要有基本面分析法和技術(shù)分析法，但是這些分析方法都存在著各自的缺陷，難以令人信服。隨著股票市場的發(fā)展，

2、基于股市金融數(shù)據(jù)的時間序列分析預(yù)測方法開始涌現(xiàn)，但大多數(shù)方法都是基于線性假設(shè)前提之下的，與股市數(shù)據(jù)所呈現(xiàn)的非線性特征相違背。經(jīng)研究發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)在解決這類非線性問題上有著自己特有的優(yōu)勢，因此，本文從神經(jīng)網(wǎng)絡(luò)入手，將多種群遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，構(gòu)造了一個多種群遺傳神經(jīng)網(wǎng)絡(luò)模型，并將其應(yīng)用于股票價格指數(shù)的預(yù)測。該組合模型不僅克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)易陷于局部最小值、初始權(quán)值難以確定等缺陷，還避免了標準遺傳算法所存在的早熟收斂問題。同時，該模型還

3、具有訓(xùn)練快、預(yù)測結(jié)果穩(wěn)定、預(yù)測精度高等優(yōu)點，為股價指數(shù)預(yù)測提供了一種新的思路和途徑。
　　 本文首先闡述了神經(jīng)網(wǎng)絡(luò)方法，介紹了BP神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)算法，并且分析了該模型的不足之處。為了改進這些不足，我們引入了遺傳算法和多種群概念，在闡述了遺傳算法的原理和多種群概念之后，提出了將多種群遺傳算法和神經(jīng)網(wǎng)絡(luò)方法相結(jié)合的思路，并設(shè)計了本文的多種群遺傳神經(jīng)網(wǎng)絡(luò)模型。同時，本文還對該模型的輸入層指標變量進行了全面考慮，從宏觀基本面和技術(shù)分

4、析面綜合考慮了影響股價指數(shù)的變量，并且利用非參數(shù)核估計方法對這些指標變量進行了篩選，該方法有別于傳統(tǒng)的主成分分析、最小二乘估計等方法，在變量選擇方法上所有突破和創(chuàng)新。
　　 最后本文將篩選后的8個指標變量分別作為多種群遺傳神經(jīng)網(wǎng)絡(luò)模型和傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型的輸入層指標，對上證指數(shù)進行實證研究分析。實證結(jié)果表明:多種群遺傳神經(jīng)網(wǎng)絡(luò)模型比傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型有更好的預(yù)測精度，這就說明本文對多種群遺傳神經(jīng)網(wǎng)絡(luò)模型的構(gòu)造是科學(xué)合理的