基于PSO優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)股票預(yù)測(cè)模型.pdf

1、股票市場(chǎng)作為經(jīng)濟(jì)的“晴雨表”在我國(guó)經(jīng)濟(jì)中起著非常重要的作用，有效的股票預(yù)測(cè)在金融投資領(lǐng)域占有重要地位。但是股市受政策、經(jīng)濟(jì)、以及投資者心理等諸多復(fù)雜因素的影響，是一個(gè)高度復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)，具有典型的復(fù)雜不確定性的特點(diǎn)。
　　神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力和自學(xué)習(xí)、自適應(yīng)等特性，能自動(dòng)從歷史數(shù)據(jù)中提取有關(guān)經(jīng)濟(jì)活動(dòng)的知識(shí)，因而非常適合用來解決股票預(yù)測(cè)領(lǐng)域中的一些問題，實(shí)驗(yàn)證明，利用神經(jīng)網(wǎng)絡(luò)對(duì)股市建?？梢匀〉帽容^不錯(cuò)的短期預(yù)測(cè)效果

2、。
　　但是傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)存在學(xué)習(xí)速度慢、易陷入局部極小值，預(yù)測(cè)結(jié)果精度不高的缺點(diǎn)，針對(duì)這些缺點(diǎn)，本文將PSO（Particle Swarm Optimization）算法應(yīng)用到BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)的優(yōu)化上，并對(duì)PSO算法進(jìn)行優(yōu)化，基于大量的實(shí)驗(yàn)，選擇合適的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法。本文的工作包括：
　　首先，分析了股票的可預(yù)測(cè)性，股票市場(chǎng)的影響，并對(duì)國(guó)內(nèi)外相關(guān)技術(shù)的研究進(jìn)展進(jìn)行了綜述。
　　其

3、次，建立了基于BP神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)模型，通過實(shí)驗(yàn)確定預(yù)測(cè)模型結(jié)構(gòu)；結(jié)合股票市場(chǎng)規(guī)律，選擇輸入輸出變量，通過歷史數(shù)據(jù)挖掘股票市場(chǎng)潛在規(guī)律，，用以預(yù)測(cè)未來的走勢(shì)。
　　最后，針對(duì)BP算法的缺點(diǎn)，采用PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，用PSO訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)權(quán)值，加快BP網(wǎng)絡(luò)的收斂速度；對(duì)比各種PSO優(yōu)化算法，基于大量實(shí)驗(yàn)，選擇合適的粒子群算法，建立基于PSO優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。實(shí)驗(yàn)證明，帶控制因子的非線性遞減策略的粒子群算法在BP