基于BP神經網絡的股票價格預測輸入變量選擇研究.pdf

1、股票市場是一個高度復雜的非線性系統(tǒng)。股市的變化既有其自身規(guī)律性，又受政治、經濟、投資心理等諸多因素的影響。傳統(tǒng)的基于數理統(tǒng)計的預測方法很難對其進行有效地描述，而具備解決非線性問題能力、網絡學習能力和系統(tǒng)擬合能力的人工神經網絡可以在任意精度內實現(xiàn)變量間的非線性關系的映像，逼近證券價格隨時間變換的函數，從而對股票市場進行模擬和學習。
　　迄今為止，針對不同的股市，國外許多學者都建立了很多相應的預測模型，給出了很好的預測方法，也取得了良

2、好的預測效果。但由于我國證券市場僅有二十多年的發(fā)展歷史，還很不完善，國外成熟市場上流行和行之有效的經驗和方法未必適合目前中國股票市場。BP神經網絡是一種常用股票價格預測方法，它具有強大的非線性擬合能力，許多學者在這一領域進行了深入的研究。但由于股票市場可選用預測參數太多，使BP神經網絡內部運算混亂，常常導致運算量過大，而且精確度下降。因此，本文在國內外研究基礎上，提出了一種股票價格預測的BP神經網絡輸入變量選擇方法。首先采用主成分分析法