基于神經(jīng)網(wǎng)絡(luò)的股市預(yù)測.pdf

1、股票市場是一個極其復(fù)雜的非線性動力學(xué)系統(tǒng)，而神經(jīng)網(wǎng)絡(luò)具有很強的非線性逼近能力和自學(xué)習(xí)、自適應(yīng)等特性，實驗證明，利用神經(jīng)網(wǎng)絡(luò)對股市建?？梢匀〉帽容^不錯的短期預(yù)測成果。 分析了基于BP網(wǎng)絡(luò)進行股市預(yù)測的原理，利用三層前饋神經(jīng)網(wǎng)絡(luò)對股市建立預(yù)測模型，詳細探討了網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)、隱節(jié)點個數(shù)確定的原則、樣本數(shù)據(jù)的選取和預(yù)處理、初始參數(shù)的確定等問題。為了避免網(wǎng)絡(luò)陷入局部最小點和提高網(wǎng)絡(luò)的收斂速度，算法采用改進后的 Levenberg-Marq

2、uardt 法 BP 算法。以最具代表性的上證指數(shù)為例對所建的預(yù)測模型進行訓(xùn)練，并用訓(xùn)練好的網(wǎng)絡(luò)預(yù)測未來1周的股票數(shù)據(jù)，取得了很好的效果。 根據(jù)股票市場高度非線性特點及基本BP算法在權(quán)值調(diào)整過程中存在的收斂速度慢、易陷入局部極小點的缺點，采用遺傳BP算法，研究了股市預(yù)測的問題。遺傳BP算法利用遺傳算法進行全局搜索，注重搜索未知區(qū)域，處理速度快而對精度要求不高，不易陷入局部極小點，而利用BP算法搜索有最優(yōu)點的區(qū)域，提高搜索速度和