基于前向神經網絡和Matlab的Stock Analysis設計與實現(xiàn).pdf

1、針對股市預測存在的問題，如：股市具有非線性特性、股價數據具有高噪聲特性等，本文通過研究神經網絡在股市預測中的應用，來尋求神經網絡與股市預測的結合點。 神經網絡自開創(chuàng)以來一直深受各國專家學者的重視，日漸成為一種重要的處理非線性問題的工具，被廣泛應用于各種領域并取得了輝煌的成就。將神經網絡用于股市預測是神經網絡的一個重要應用領域，經典的預測方法用于非線性系統(tǒng)的股市預測有一定困難，而神經網絡具有優(yōu)良的非線性特性，特別適用于高度非線性系

2、統(tǒng)的處理，因此基于神經網絡的智能預測是解決非線性股市預測問題的有效方法。 本文首先介紹了現(xiàn)有的各種股市預測方法以及神經網絡的發(fā)展過程，深入地分析了前向網絡的結構、學習能力及算法，提出了利用前向神經網絡中最具代表性的BP網絡和RBF網絡預測股市的方法，并深入分析了BP網絡和RBF網絡的結構及算法，討論了各自的改進算法。給出了利用前向神經網絡建立股市預測模型的具體步驟，并且在對利用前向神經網絡預測股市時所遇到的問題進行分析的基礎上，

3、提出了具體的解決辦法。 然后在Windows 2000的操作平臺上，前臺使用Visual C++和MATLAB混合編程，后臺使用SQL Server2000關系型數據庫，對基于前向神經網絡的股票預測系統(tǒng)進行了具體的設計與實現(xiàn)。 最后分別使用BP網絡和RBF網絡對深滬股市不同股票進行了預測，數值試驗的結果表明，預測值與實際值基本吻合，RBF網絡的預測效果要好于BP神經網絡，選擇合適的輸入量組合及回溯期，可較大程度的提高神經