擴(kuò)展卡爾曼濾波神經(jīng)網(wǎng)絡(luò)算法在股市的應(yīng)用.pdf

1、股票市場具有高收益與高風(fēng)險并存的特性,為趨利避險,人們一直孜孜以求,探索其內(nèi)在規(guī)律,尋找有效的預(yù)測方法和工具.但是,股票市場作為一種影響因素眾多、各種不確定性共同作用的復(fù)雜巨系統(tǒng),其價格波動往往表現(xiàn)出較強(qiáng)的非線性的特征,且股市各因素間相關(guān)性錯綜復(fù)雜,主次關(guān)系變化不定,數(shù)量關(guān)系難以提取及定量分析.另外,股市的建模與預(yù)測所處理的信息量往往十分龐大,對算法有很高的要求.為此,該文利用EKF(Extended Kalman Filter)算法及

2、其改進(jìn)算法對神經(jīng)網(wǎng)絡(luò)參數(shù)進(jìn)行辨識.論文的主要研究工作和成果包括以下幾個方面的內(nèi)容:首先介紹了神經(jīng)網(wǎng)絡(luò)的基本理論和網(wǎng)絡(luò)模型,重點(diǎn)闡述了反向傳播BP模型的工作過程;然后,對Kalman濾波以及擴(kuò)展的Kalman濾波作了詳盡的說明;在此基礎(chǔ)上,將神經(jīng)網(wǎng)絡(luò)與擴(kuò)展的Kalman濾波結(jié)合起來并進(jìn)行改進(jìn),得到了基于擴(kuò)展Kalman濾波的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法及其改進(jìn)算法.我們將此算法應(yīng)用到股票價格預(yù)測中,分別運(yùn)用單步預(yù)測和多步預(yù)測兩種方法,以浦發(fā)銀行(60