隨著國民經(jīng)濟的迅速發(fā)展和市場經(jīng)濟的不斷完善,股票市場逐步成為我國證券業(yè)乃至整個金融業(yè)必不可少的組成部分,將股票市場走勢進行分析和預(yù)測具有重要的理論意義和實際的應(yīng)用價值。近年來,人們一般是通過建立時間序列預(yù)測模型來解決股價預(yù)測問題的,時間序列預(yù)測模型在線性系統(tǒng)、平穩(wěn)時間序列問題上得到廣泛應(yīng)用,但在處理具有非線性特征或非平穩(wěn)時間序列問題上,特別是在有人參與的主動系統(tǒng)、社會經(jīng)濟系統(tǒng)的預(yù)測上,這類方法無法取得令人滿意的預(yù)測效果。 隨著非線性理論和人工智能技術(shù)的發(fā)展,小波分析和神經(jīng)網(wǎng)絡(luò)發(fā)展成為金融市場的分析和預(yù)測工具,但由于小波分析和神經(jīng)網(wǎng)絡(luò)各自內(nèi)在的局限性,使它們用于股價預(yù)測時,結(jié)果不是很理想,如:BP算法收斂速度很慢,且在網(wǎng)絡(luò)初始參數(shù)數(shù)據(jù)選取不當時,易陷入局部極小點;正交小波構(gòu)造比較復雜,難以用顯式表達等。而小波神經(jīng)網(wǎng)絡(luò)結(jié)合了小波分析和神經(jīng)網(wǎng)絡(luò)的優(yōu)點,在一定程度上克服了二者各自應(yīng)用于預(yù)測系統(tǒng)的不足,因此,將小波神經(jīng)網(wǎng)絡(luò)應(yīng)用于股價預(yù)測具有重要的理論意義和實際的應(yīng)用價值。 本文首先介紹了小波分析和BP神經(jīng)網(wǎng)絡(luò)的基本理論;然后利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了BP神經(jīng)網(wǎng)絡(luò)短期預(yù)測模型,對模型中樣本數(shù)據(jù)的選取、網(wǎng)絡(luò)輸入量的確定、數(shù)據(jù)的預(yù)處理方法等問題進行了規(guī)定,通過仿真實驗確定了模型中隱含層神經(jīng)元的個數(shù);并對個股收盤價進行仿真實驗,實驗結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)用于股價預(yù)測的效果是較好的。最后從小波神經(jīng)網(wǎng)絡(luò)的構(gòu)造理論出發(fā),對小波和神經(jīng)網(wǎng)絡(luò)的松散型結(jié)合方式進行了深入分析,提出利用小波分解與重構(gòu)技術(shù)構(gòu)建小波神經(jīng)網(wǎng)絡(luò)短期預(yù)測模型的方法,通過仿真實驗確定了模型中重構(gòu)的尺度;并對個股收盤價進行仿真實驗,實驗結(jié)果表明小波神經(jīng)網(wǎng)絡(luò)比BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測效果更好,具有實際的推廣應(yīng)用價值。
【學位單位】：西安科技大學
【學位級別】：碩士
【學位年份】：2008
【中圖分類】：F830.91;TP183
【部分圖文】：

從理論上講完全可以預(yù)測出連續(xù)的 n 個數(shù)值。但是從n 個預(yù)測值中只有第一個預(yù)測值是全部使用真實值進行預(yù)測的或全部使用了預(yù)測值作為輸入進行預(yù)測。以預(yù)測值來做預(yù)測實驗，而且股價序列的噪聲較大，誤差將會更為明顯。盡量減少誤差、提高預(yù)測準確度的角度考慮，本文先只做以預(yù)測。首先用訓練樣本訓練所建立的 BP 網(wǎng)絡(luò)，網(wǎng)絡(luò)收斂后一個單步預(yù)測模型，然后就可以用它對預(yù)測樣本進行單步預(yù)測實驗結(jié)果分析創(chuàng)業(yè)環(huán)保股票 2007 年 2 月 27 日到 2007 年 10 月 19 日（160作為研究對象，利用 2007 年 2 月 27 日到 2007 年 8 月 21 日始數(shù)據(jù)作為訓練集，2007 年 8 月 22 日到 2007 年 9 月 25 日（據(jù)作為檢驗集，2007 年 9 月 26 日開始作為預(yù)測對象，預(yù)測股票 2007 年 2 月 27 日到 2007 年 10 月 19 日收盤價原始數(shù)4.3 所示：

圖 4.4 (創(chuàng)衛(wèi)環(huán)保)BP 算法仿真的收斂趨勢曲線圖經(jīng)網(wǎng)絡(luò)對創(chuàng)業(yè)環(huán)保股票收盤價預(yù)測數(shù)據(jù)和實際數(shù)據(jù)的比較如表 4.3表 4.3 （創(chuàng)衛(wèi)環(huán)保股票）預(yù)測數(shù)據(jù)與實際數(shù)據(jù)比較日期 實際值(元) 預(yù)測值(元) 誤差率(%0070926 9.96 10.2756 -3.160070927 10.72 9.9733 6.9650070928 10.8 10.8105 -0.090071001 10.8 10.4685 3.0690071002 10.8 10.6445 1.4390071008 10.52 11.0361 -4.900071009 10.48 10.5244 -0.420071010 10.46 10.5373 -0.730071011 10.34 10.4459 -1.020071012 10.79 10.2689 4.8290071015 10.79 10.7611 0.267

圖 4.5 創(chuàng)衛(wèi)環(huán)保股票實際數(shù)據(jù)與預(yù)測數(shù)據(jù)的比較層的神經(jīng)元的個數(shù)的選擇有無限隱層節(jié)點的兩層 BP 網(wǎng)絡(luò)可以實現(xiàn)任意輸入到輸出的非線輸入模式到輸出模式的映射，并不需要無限個隱層節(jié)點。隱層節(jié)間太長；隱層節(jié)點數(shù)太少會使容錯性差、識別未經(jīng)學習的樣本能少個隱含節(jié)點才合適？這個問題至今為止還未找到一個很好的解計所得的經(jīng)驗和自己進行試驗來確定，一般認為隱層節(jié)點數(shù)與求出單元數(shù)多少都又直接的關(guān)系。層的節(jié)點數(shù)估計，本文的做法是：根據(jù)隱含層節(jié)點數(shù)經(jīng)驗公式來估計：N+O+α，式中h為隱含層節(jié)點數(shù)，N 為輸入層節(jié)點數(shù)，O為輸出之間的整數(shù)；將其隱層節(jié)點數(shù)根據(jù)上面估計設(shè)為不同的值，再采用前面的實驗，進行網(wǎng)絡(luò)訓練。先選擇較少的隱層節(jié)點數(shù)，如果計算達不到預(yù)
【相似文獻】

相關(guān)期刊論文 前10條

1 王志平,張海帆;中國工業(yè)時間序列分析及預(yù)測[J];統(tǒng)計與決策;2004年08期

2 蘭秋軍,馬超群,甘國君,吳建宏;中國股市弱有效嗎?——來自數(shù)據(jù)挖掘的實證研究[J];中國管理科學;2005年04期

3 金華;陸繼宗;;證券市場的非線性研究[J];上海電機學院學報;2005年06期

4 ;主要經(jīng)濟指標時間序列[J];中國經(jīng)濟景氣月報;2005年04期

5 黃超;吳清烈;武忠;朱揚勇;;基于方差波動多重分形特征的金融時間序列聚類[J];系統(tǒng)工程;2006年06期

6 李巧梅;熊國經(jīng);;社會消費品零售總額ARIMA模型的建立及預(yù)測[J];科技廣場;2006年10期

7 張逾坤;吳見平;管連龍;;區(qū)域科技創(chuàng)新能力的動態(tài)評估及實證分析[J];華東經(jīng)濟管理;2007年01期

8 胡蓉;;基于多輸出支持向量回歸算法的股市預(yù)測[J];云南民族大學學報(自然科學版);2007年03期

9 余健;郭平;;基于RBF網(wǎng)絡(luò)的金融時間序列預(yù)測[J];湖南工程學院學報(自然科學版);2007年04期

10 王晶;;中國居民儲蓄與經(jīng)濟增長的關(guān)系分析[J];科技信息;2009年20期

相關(guān)博士學位論文 前10條

1 楊正瓴;時間序列中的混沌判定、預(yù)報及其在電力系統(tǒng)中的應(yīng)用[D];天津大學;2003年

2 張曉偉;水文動力系統(tǒng)自記憶特性及其應(yīng)用研究[D];西安理工大學;2009年

3 倪麗萍;基于分形技術(shù)的金融數(shù)據(jù)分析方法研究[D];合肥工業(yè)大學;2010年

4 劉大同;基于Online SVR的在線時間序列預(yù)測方法及其應(yīng)用研究[D];哈爾濱工業(yè)大學;2010年

5 張永林;車輛道路數(shù)值模擬與仿真研究[D];華中科技大學;2010年

6 崔亞強;滬深300股指內(nèi)在復雜性分析及預(yù)測研究[D];天津大學;2010年

7 楊談;網(wǎng)絡(luò)混沌行為及其控制的研究[D];北京郵電大學;2009年

8 李星毅;基于相似性的交通流分析方法[D];北京交通大學;2010年

9 肖輝;時間序列的相似性查詢與異常檢測[D];復旦大學;2005年

10 盧占會;電力市場穩(wěn)定性研究[D];華北電力大學（河北）;2008年

相關(guān)碩士學位論文 前10條

1 張海珍;小波神經(jīng)網(wǎng)絡(luò)在股價預(yù)測中的應(yīng)用[D];西安科技大學;2008年

2 Ashraf Fetoh Eata;[D];廈門大學;2001年

3 王麗敏;兩類模糊隨機時間序列預(yù)測方法[D];河北大學;2001年

4 王琦;時間序列在油田效益審計中的應(yīng)用[D];吉林大學;2009年

5 韓冬梅;基于P2P的教學信息資源負載均衡調(diào)度算法的研究[D];哈爾濱工程大學;2010年

6 張雷;多層次分布式智能決策支持系統(tǒng)及應(yīng)用研究[D];西北工業(yè)大學;2006年

7 王金翠;基于實測數(shù)據(jù)的風電場風速和風功率短期預(yù)測研究[D];東北電力大學;2010年

8 趙松雷;基于頻譜儀的無線自動測試系統(tǒng)與信號特性分析[D];北京郵電大學;2010年

9 姚蘭;中國民辦高等教育市場空間研究[D];河南大學;2007年

10 吳燁清;時間序列理論在軟件可靠性建模中的應(yīng)用和研究[D];華中農(nóng)業(yè)大學;2009年

本文編號：2857787