股價(jià)預(yù)測(cè)的非線性方法研究——神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法.pdf

1、股票是市場(chǎng)經(jīng)濟(jì)的產(chǎn)物，從誕生的那天起就牽動(dòng)著數(shù)以千萬(wàn)投資者的心。高風(fēng)險(xiǎn)、高回報(bào)是股票投資的特征，個(gè)人投資者和機(jī)構(gòu)投資者時(shí)刻關(guān)心股票行市，分析財(cái)務(wù)數(shù)據(jù)，試圖預(yù)測(cè)股票的發(fā)展趨勢(shì)。然而股票市場(chǎng)是一個(gè)高度復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)，其變化有自身內(nèi)在的規(guī)律性，同時(shí)也受市場(chǎng)、經(jīng)濟(jì)、社會(huì)等諸多因素的影響，以數(shù)理統(tǒng)計(jì)為基礎(chǔ)的傳統(tǒng)定量預(yù)測(cè)方法對(duì)股市預(yù)測(cè)研究的效果不是很顯著，因此，尋找合適的股價(jià)預(yù)測(cè)方法是十分必要的。神經(jīng)網(wǎng)絡(luò)是近年來(lái)比較流行的一種非線性預(yù)測(cè)方法，

2、它具有自組織、自適應(yīng)、非線性等特點(diǎn)。它能自動(dòng)從歷史數(shù)據(jù)中提取有關(guān)金融活動(dòng)的內(nèi)在規(guī)律，而不需事先知道金融活動(dòng)是線性還是非線性的，但神經(jīng)網(wǎng)絡(luò)還存在網(wǎng)絡(luò)結(jié)構(gòu)難以確定以及網(wǎng)絡(luò)對(duì)給定的初始權(quán)值很敏感，極易使網(wǎng)絡(luò)訓(xùn)練陷入局部解等不足。為了克服這些困難，本文以股票市場(chǎng)具有非線性動(dòng)態(tài)特征和股票的可預(yù)測(cè)性為基礎(chǔ)，嘗試?yán)眠f歸神經(jīng)網(wǎng)絡(luò)對(duì)非線性函數(shù)的逼近能力、自身的動(dòng)態(tài)特性以及遺傳算法的全局優(yōu)化能力等因素，建立基于遺傳算法和改進(jìn)的遞歸神經(jīng)網(wǎng)絡(luò)（GA-Elma

3、n）的股價(jià)非線性預(yù)測(cè)模型，研究的主要工作包括： 首先，對(duì)采用梯度下降算法的改進(jìn)型Elman 遞歸神經(jīng)網(wǎng)絡(luò)的權(quán)值修正方法進(jìn)行具體的推導(dǎo)研究，并進(jìn)行實(shí)驗(yàn)研究。 其次，對(duì)遺傳算法采用實(shí)數(shù)編碼、運(yùn)用輪盤賭法進(jìn)行選擇、通過(guò)算術(shù)雜交法進(jìn)行交叉、使用非一致性變異法進(jìn)行變異，并在進(jìn)化的過(guò)程中采取保留最佳個(gè)體的策略，對(duì)改進(jìn)Elman 神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)和初始權(quán)值進(jìn)行全局優(yōu)化設(shè)計(jì)。 最后，在模型輸入因子的選擇上，先考察了影響股票價(jià)格

4、的歷史數(shù)據(jù)、技術(shù)指標(biāo)等因素，并進(jìn)行分析從而獲得了一組有效的輸入組合。 通過(guò)對(duì)以上三個(gè)方面的研究，建立了基于GA-Elman 神經(jīng)網(wǎng)絡(luò)的股價(jià)非線性預(yù)測(cè)模型。為了考察GA-Elman模型的預(yù)測(cè)能力，本文將GA-Elman模型分別對(duì)上證A 股的中國(guó)石化（2007年8月1日至2008年1月18日）、蓮花味精（2007年1月16日—2007年8月7日）和深證A 股的三花股份（2007年1月4日—2007年7月13日）、萬(wàn)科（2008年8月

5、7日—2008年1月8日）四支股票的110個(gè)交易日，選取其中的70個(gè)交易日作為建模樣本，以未來(lái)2個(gè)交易日內(nèi)的最高價(jià)作為預(yù)測(cè)對(duì)象，建立預(yù)測(cè)模型，并進(jìn)行了30個(gè)獨(dú)立樣本的預(yù)測(cè)仿真試驗(yàn)。其中，上證A 股中國(guó)石化和深證A 股三花股份的試驗(yàn)結(jié)果如下： （1）對(duì)于中國(guó)石化的仿真試驗(yàn)，GA-Elman模型得到的平均誤差為0.18525 元（訓(xùn)練次數(shù)為2500 次），其中模型對(duì)30個(gè)獨(dú)立樣本的預(yù)測(cè)誤差中，最小的絕對(duì)誤差為0.00015元，最大的

6、絕對(duì)誤差為1.30959 元。進(jìn)一步地，絕對(duì)誤差在0～0.15 元之間的次數(shù)為21次，在0.15～0.3 元之間的為4 次，在0.3～0.45 元、0.45～0.6 元及大于0.6 元的次數(shù)分別為0 次、3 次、2 次。 （2）對(duì)于三花股份的仿真試驗(yàn)，GA-Elman模型得到的平均誤差為0.15818 元（訓(xùn)練次數(shù)為2500 次），其中模型對(duì)30個(gè)獨(dú)立樣本的預(yù)測(cè)誤差中，最小的絕對(duì)誤差為0.0027 元，最大的絕對(duì)誤差為0.458

7、35 元。進(jìn)一步地，絕對(duì)誤差在0～0.15 元之間的次數(shù)為16 次，在0.15～0.3 元、0.3～0.45 元、0.45～0.6 元及大于0.6 元的次數(shù)分別為9 次、4 次、1次、0 次。 為了進(jìn)一步驗(yàn)證GA-Elman模型的有效性，本文還建立基于改進(jìn)Elman 神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)模型（簡(jiǎn)稱Elman模型），并對(duì)上述4 支股票相同的試驗(yàn)數(shù)據(jù)進(jìn)行了30 次獨(dú)立樣本的仿真試驗(yàn)。其中，上證A 股中國(guó)石化和深證A 股三花股份的試驗(yàn)結(jié)果

8、為： （1）對(duì)于中國(guó)石化的仿真試驗(yàn)，Elman模型得到的平均誤差為0.34986 元（訓(xùn)練次數(shù)為3000 次），其中模型對(duì)30個(gè)獨(dú)立樣本的預(yù)測(cè)誤差中，最小的絕對(duì)誤差為0.01529 元，最大的絕對(duì)誤差為1.69272 元。進(jìn)一步地，絕對(duì)誤差在0～0.15 元之間的次數(shù)為9 次，在0.15～0.3 元之間的為7 次，在0.3～0.45 元、0.45～0.6 元及大于0.6 元的次數(shù)分別為7 次、4 次、3 次。 （2）對(duì)于

9、三花股份的仿真試驗(yàn)，Elman模型得到的平均誤差為0.28174 元（訓(xùn)練次數(shù)為3000 次），其中模型對(duì)30個(gè)獨(dú)立樣本的預(yù)測(cè)誤差中，最小的絕對(duì)誤差為0.03096 元，最大的絕對(duì)誤差為0.93834 元。進(jìn)一步地，絕對(duì)誤差在0～0.15 元之間的次數(shù)為10 次，在0.15～0.3 元、0.3～0.45 元、0.45～0.6 元及大于0.6 元的次數(shù)分別為11 次、3 次、3 次、3 次。 通過(guò)比較、分析兩種非線性預(yù)測(cè)模型的實(shí)驗(yàn)