股票市場是市場經(jīng)濟的重要組成部分,股市的穩(wěn)定不僅關(guān)系到國家經(jīng)濟的繁榮發(fā)展,也關(guān)系到普通投資者的經(jīng)濟收入。因此有效的股票走勢預測的分析和研究有著重大的理論意義和實踐價值。但是股票市場的高度非線性特征,導致眾多的股市分析方法的應用效果都難如人意。基于神經(jīng)網(wǎng)絡技術(shù)的數(shù)據(jù)挖掘模型,因其很強的非線性模擬、自適應能力和自學習能力的特點,所以本文將使用神經(jīng)網(wǎng)絡技術(shù)對股票走勢預測這一課題進行深入的研究。本文闡述了數(shù)據(jù)挖掘的基本思想,對神經(jīng)網(wǎng)絡技術(shù)進行了深入分析,主要研究了二種神經(jīng)網(wǎng)絡算法——BP神經(jīng)網(wǎng)絡算法和RBF神經(jīng)網(wǎng)絡算法,來建立股票走勢預測模型,更好地對股票走勢進行預測。主要工作有以下二點:（1）.基于股票歷史交易數(shù)據(jù)對BP神經(jīng)網(wǎng)絡模型的設計,利用收集樣本數(shù)據(jù)進行訓練優(yōu)化網(wǎng)絡,使網(wǎng)絡預測誤差達到設計要求。經(jīng)測試數(shù)據(jù)測試,實驗結(jié)果可以達到指導投資者投資的作用。（2）.基于股票歷史交易數(shù)據(jù)對RBF神經(jīng)網(wǎng)絡模型的設計,利用收集樣本數(shù)據(jù)進行訓練,確定最優(yōu)的RBF股票預測模型。實驗結(jié)果表明,該神經(jīng)網(wǎng)絡模型完全達到設計要求,顯示出該算法的可行性和有效性。通過實驗數(shù)據(jù)的證明,本文的研究為二種算法在股票走勢預測... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

學習速率0.1時訓練結(jié)果（隱單元數(shù)：9）

圖 4.4 學習速率 0.1 時訓練結(jié)果 （隱單元數(shù)：9 ）隱含層神經(jīng)元的數(shù)目為 9，學習速率為 0.01 時的訓練結(jié)果，如圖 4.5 學01 時訓練結(jié)果所示

圖 4.6 學習速率 0.001 時訓練結(jié)果（隱單元數(shù)：9）含層神經(jīng)元數(shù)為 9，取不同的學習速率(η )訓練的結(jié)果、誤差對比，由有限只取了最后 10 個預測值。結(jié)果如表 4.7 預測值與預測誤差所示 表 4.7 預測值與預測誤差η ＝0.1η ＝0.01η＝0.001 預測誤差 預測值 預測誤差 預測值 預測誤差 0.0624 0.7989 0.0711 0.8033 0.0667 0.0343 0.8192 0.0498 0.8391 0.0299 0.0151 0.8479 0.0449 0.8368 0.0338 0.0541 0.8037 0.0123 0.7895 0.0265 0.0032 0.7925 0.0025 0.8010 0.0060 0.0392 0.7774 0.0326 0.7821 0.0279

【參考文獻】：
期刊論文
[1]含腫瘤BNCT網(wǎng)格模型的Monte Carlo劑量計算[J]. 李剛,鄧力,葉濤,陳朝斌.  清華大學學報(自然科學版). 2007(S1)
[2]用RBF神經(jīng)網(wǎng)絡確定上海股市的分形維數(shù)[J]. 徐緒松,熊保平,龍虎.  武漢大學學報(理學版). 2003(03)
[3]基于人工神經(jīng)網(wǎng)絡的股市預測模型[J]. 孫丹,張秀艷.  吉林大學學報(信息科學版). 2002(04)
[4]神經(jīng)網(wǎng)絡及其在股市預測中的應用[J]. 姜靜清,梁艷春,宋初一.  內(nèi)蒙古民族大學學報(自然科學版). 2002(05)
[5]神經(jīng)網(wǎng)絡在股票價格預測中的應用[J]. 袁曉東.  北京機械工業(yè)學院學報. 2002(03)
[6]股市預測中的小波神經(jīng)網(wǎng)絡方法的研究[J]. 姚洪興,盛昭瀚.  管理工程學報. 2002(02)
[7]改進的神經(jīng)網(wǎng)絡最近鄰聚類學習算法及其應用[J]. 孫延風,梁艷春,孟慶福.  吉林大學學報(信息科學版). 2002(01)
[8]我國上市公司財務困境的預測模型研究[J]. 吳世農(nóng),盧賢義.  經(jīng)濟研究. 2001(06)
[9]用BP神經(jīng)網(wǎng)絡預測股票市場漲跌[J]. 吳微,陳維強,劉波.  大連理工大學學報. 2001(01)
[10]股票信息的數(shù)據(jù)挖掘[J]. 方依蘭,黃智興,張為群.  西南師范大學學報(自然科學版). 2000(02)



本文編號：3577291