基于遺傳神經(jīng)網(wǎng)絡(luò)上市公司股價向基本面回歸的分析研究.pdf

1、證券市場對國民經(jīng)濟的推動作用毋庸置疑，尤其是在經(jīng)濟全球化的形勢下，證券市場能否健康發(fā)展直接影響國家的經(jīng)濟競爭力。在我國資本市場中存在一種觀點，我國上市公司的股票業(yè)績與基本面無關(guān)，價格失真。
　　股票市場是一個極其復(fù)雜的非線性系統(tǒng)，然而神經(jīng)網(wǎng)絡(luò)具有很強的自學(xué)習(xí)、自適應(yīng)和非線性逼近能力等特性。遺傳算法根據(jù)適者生存的原理進行全局搜索，注重搜索未知區(qū)域，將遺傳算法和神經(jīng)網(wǎng)絡(luò)算法結(jié)合起來，可充分發(fā)揮他們的優(yōu)勢。為此，本文采取遺傳算法和神經(jīng)網(wǎng)

2、絡(luò)技術(shù)對上市公司股票價格與基本面的關(guān)聯(lián)性進行實證研究。
　　本文詳細(xì)分析了影響我國股票價格的諸多因素，從宏觀經(jīng)濟走向、上市公司業(yè)績、其他因素這三個影響我國股票價格的主要因素中確立了神經(jīng)網(wǎng)絡(luò)模型的輸入?yún)?shù)，分別是每股收益、凈資產(chǎn)收益率、流通股本、GDP(Gross Domestic Product)和CPI(Consumer Price Index);輸出參數(shù)為股票價格。
　　本文選擇BP(Back-Propagation)神

3、經(jīng)網(wǎng)絡(luò)建模。通過實驗確定了模型的層數(shù)及神經(jīng)元個數(shù)和權(quán)值矩陣。使用Levenberg-Marquardt算法對BP神經(jīng)網(wǎng)絡(luò)進行了改進，減少了BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時間，提高了BP神經(jīng)網(wǎng)絡(luò)的收斂精度。通過遺傳算法與神經(jīng)網(wǎng)絡(luò)結(jié)合，用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值進行優(yōu)化。構(gòu)建了上市公司股價與基本面因素研究的模型。
　　最后，使用MATLAB對模型進行仿真、訓(xùn)練、驗證。結(jié)果表明:雖然很長一段時間股價脫離基本面運行，但是隨著市場秩序的規(guī)