小波神經(jīng)網(wǎng)絡和ARMA模型在股票預測中的研究與應用.pdf

1、本論文在全面研究股票市場及其問題的基礎上,把股票的小波神經(jīng)網(wǎng)絡預測方法與ARMA時間序列預測方法用貝葉斯組合理論相結(jié)合,構(gòu)造出一個綜合且準確率較高的股票組合預測模型,并對模型性能的改善和提高進行了深入研究。 總結(jié)國內(nèi)外股票市場預測決策的理論方法,由于計算機與人工智能技術的飛速發(fā)展,針對傳統(tǒng)神經(jīng)網(wǎng)絡收斂速度與訓練算法的不足,本文采用嵌套式的小波神經(jīng)網(wǎng)絡即用小波函數(shù)直接代替隱含層函數(shù)構(gòu)成神經(jīng)網(wǎng)絡模型,兼具有小波理論與神經(jīng)網(wǎng)絡的優(yōu)點,

2、有更靈活有效的函數(shù)逼近能力和濾波作用。訓練算法在原有BP算法的基礎上采用引入動量項和變學習速率的方法,并修正了小波基函數(shù)的伸縮平移參數(shù),改善了收斂性能且減少了網(wǎng)絡訓練時間。 時間序列分析法中ARMA(自回歸滑動平均模型)模型較為成熟,文中詳細闡述了股票ARMA預測模型的確定、檢驗與分析。 決策者面臨決擇的預測方式可能不只一種,且各有千秋,在預測過程中,對于相同的數(shù)據(jù),不同的預測方法所針對的信息不盡相同,因而得到的預測結(jié)果