本文關(guān)鍵詞：基于灰色關(guān)聯(lián)的BP神經(jīng)網(wǎng)絡(luò)的滬深300指數(shù)預(yù)測(cè)研究　出處：《重慶師范大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 股票市場(chǎng) 技術(shù)指標(biāo) 灰色關(guān)聯(lián)度 BP神經(jīng)網(wǎng)絡(luò) 滬深300指數(shù)

【摘要】：由于股票的高回報(bào)以及高風(fēng)險(xiǎn)性，對(duì)于股票的研究和預(yù)測(cè)方法層出不窮。而股票市場(chǎng)是一非線性動(dòng)態(tài)系統(tǒng)，傳統(tǒng)的預(yù)測(cè)方法的預(yù)測(cè)誤差較大，由于BP神經(jīng)網(wǎng)絡(luò)可以在有噪聲環(huán)境下找到相對(duì)精確的結(jié)果且計(jì)算機(jī)的快速發(fā)展，使得依賴于計(jì)算機(jī)的BP神經(jīng)網(wǎng)絡(luò)在建立模型和預(yù)測(cè)方面得到廣泛的應(yīng)用。 本文將使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)滬深300指數(shù)，選取的是2012年8月1日到2012年12月31日之間的104天的數(shù)據(jù)，預(yù)測(cè)的輸入量則選取股票中的技術(shù)指標(biāo)，但由于技術(shù)指標(biāo)眾多，并不是每一個(gè)技術(shù)指標(biāo)對(duì)股指的預(yù)測(cè)都有影響。所以本文采取灰色關(guān)聯(lián)分析方法來(lái)選取預(yù)測(cè)指標(biāo)，并且使用MATLAB7.1工具箱對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的程序?qū)崿F(xiàn)。設(shè)計(jì)三個(gè)方案，經(jīng)過(guò)比較發(fā)現(xiàn)，BP神經(jīng)網(wǎng)絡(luò)的輸入樣本量不同，對(duì)于預(yù)測(cè)結(jié)果有一定影響；MATLAB中實(shí)現(xiàn)結(jié)果顯示了經(jīng)過(guò)篩選后的技術(shù)指標(biāo)進(jìn)行預(yù)測(cè)得到的結(jié)果更加接近實(shí)際值，并且輸入樣本太少誤差較大，，但輸入樣本太多，年限跨度太大得到的預(yù)測(cè)精度也不會(huì)太高。
[Abstract]:Because of the high return and high risk of stock, the research and prediction methods of stock emerge endlessly. However, the stock market is a nonlinear dynamic system, and the prediction error of traditional forecasting method is large. Because BP neural network can find relatively accurate results in noisy environment and the computer develops rapidly, the computer based BP neural network has been widely used in modeling and prediction. In this paper, we use BP neural network to predict the CSI 300 index, and choose the 104-day data from August 1st 2012 to December 31st 2012. The predicted input is chosen as the technical index of the stock, but there are a lot of technical indexes. Not every technical index has an impact on the prediction of the stock index. So this paper adopts the grey correlation analysis method to select the prediction index. The program of BP neural network prediction model is realized by using MATLAB7.1 toolbox. Three schemes are designed. It is found that the input sample size of BP neural network is different after comparison. It has certain influence on the forecast result; The results in MATLAB show that the predicted results are closer to the actual values, and the input samples are too few, but the input samples are too many. The precision of prediction is not too high if the span of years is too long.
【學(xué)位授予單位】：重慶師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類號(hào)】：TP183;N941.5;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫榮;吳天微;;運(yùn)用灰色系統(tǒng)模型預(yù)測(cè)滬深300指數(shù)變動(dòng)[J];財(cái)會(huì)月刊;2011年24期

2 吳微,陳維強(qiáng),劉波;用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股票市場(chǎng)漲跌[J];大連理工大學(xué)學(xué)報(bào);2001年01期

3 王年詠;;1980～1991年中國(guó)證券市場(chǎng)的復(fù)蘇與起步[J];當(dāng)代中國(guó)史研究;2007年03期

4 丁雪梅,李英梅,倫立軍;基于神經(jīng)網(wǎng)絡(luò)的證券預(yù)測(cè)技術(shù)研究[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào);2003年04期

5 張鈺;陸軍;;基于ISNN和HGA的滬深300指數(shù)預(yù)測(cè)方法[J];計(jì)算機(jī)應(yīng)用研究;2010年06期

6 吳成東,王長(zhǎng)濤;人工神經(jīng)元BP網(wǎng)絡(luò)在股市預(yù)測(cè)方面的應(yīng)用[J];控制工程;2002年03期

7 吳子榮;;滬深300指數(shù)的時(shí)間序列分析[J];西南金融;2007年09期

8 劉海s

本文編號(hào)：1388374