【摘要】：隨著股票市場投資活動的日益頻繁，市場迫切需要一種有效的預(yù)測方法以幫助人們增加投資收益。股票市場是一個(gè)高度復(fù)雜的金融市場，其變化規(guī)律受到宏觀與微觀、政治與經(jīng)濟(jì)、國內(nèi)與國外、行為與心理等各方面因素的影響，以致人們始終無法找到股市的“真正”變化規(guī)律。傳統(tǒng)的應(yīng)用于股票指數(shù)的預(yù)測方法多為統(tǒng)計(jì)回歸預(yù)測法和時(shí)間序列預(yù)測法。統(tǒng)計(jì)回歸方法是反應(yīng)輸入和輸出變量之間的因果關(guān)系，但其中的變量需滿足某些特定的統(tǒng)計(jì)假設(shè)；時(shí)間序列方法是基于時(shí)間序列的慣性推演，必須確知或假定序列的變化規(guī)律。由于上述兩種方法所需的條件在實(shí)際情況中很難滿足，所以這兩種傳統(tǒng)預(yù)測模型很難滿足股市預(yù)測的要求。近些年來，以神經(jīng)網(wǎng)絡(luò)為代表的人工智能預(yù)測系統(tǒng)開始在股票指數(shù)的預(yù)測中得到應(yīng)用并快速發(fā)展。但是，由于單一的智能預(yù)測方法都存在著這樣、那樣的缺陷與不足，以致預(yù)測效果總是受到一定程度的影響。因此，在應(yīng)用智能技術(shù)建立預(yù)測模型時(shí)，人們開始將多種智能技術(shù)相互結(jié)合，以便相互補(bǔ)充與促進(jìn)，從而達(dá)到更理想的預(yù)測效果。 鑒于小波神經(jīng)網(wǎng)絡(luò)（Wavelet NeuralNetwork, WNN）的優(yōu)越性能使其在經(jīng)濟(jì)領(lǐng)域中的得到廣泛應(yīng)用,許多學(xué)者建立了基于小波神經(jīng)網(wǎng)絡(luò)的股票預(yù)測模型，其預(yù)測效果雖然比神經(jīng)網(wǎng)絡(luò)模型有所改進(jìn)，但其學(xué)習(xí)算法局部收斂的缺陷依然存在。為此，本研究采用細(xì)菌覓食優(yōu)化算法(Bacterial Foraging Optimization, BFO)和自適應(yīng)慣性權(quán)重的粒子群優(yōu)化算法（AdaptiveInertia Weight Particle Swarm Optimization，AIW-PSO）進(jìn)一步優(yōu)化小波神經(jīng)網(wǎng)絡(luò)。方法是用這兩種優(yōu)化算法充當(dāng)小波神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，從而為小波神經(jīng)網(wǎng)絡(luò)提供更好的網(wǎng)絡(luò)權(quán)值和小波基函數(shù)平移系數(shù)及伸縮系數(shù)，使整個(gè)網(wǎng)絡(luò)更加合理，泛化能力和搜索能力更強(qiáng)，預(yù)測性能更優(yōu)。隨后建立了基于上證指數(shù)數(shù)據(jù)樣本的改進(jìn)小波神經(jīng)網(wǎng)絡(luò)的預(yù)測模型，并將它們的預(yù)測結(jié)果與BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型、小波神經(jīng)網(wǎng)絡(luò)預(yù)測模型和BFO-BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型三種現(xiàn)有模型比較，其結(jié)果表明改進(jìn)后的BFO-WNN與AIW-PSO小波神經(jīng)網(wǎng)絡(luò)模型的預(yù)測效果顯著優(yōu)于現(xiàn)有三種預(yù)測模型。
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP183;F830.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 毛健;趙紅東;姚婧婧;;人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J];電子設(shè)計(jì)工程;2011年24期

2 王紅;王聯(lián)國;;基于模擬退火策略的細(xì)菌覓食優(yōu)化算法[J];電腦知識與技術(shù);2013年10期

3 吳如海,宋逢明;基金分離下中國股市交易量模型的實(shí)證研究[J];管理科學(xué)學(xué)報(bào);2000年01期

4 趙建，邵永革，黃炯，楊靜宇;基于神經(jīng)網(wǎng)絡(luò)的股市預(yù)測[J];計(jì)算機(jī)研究與發(fā)展;1996年09期

5 梁夏;具有自糾錯(cuò)功能的人工神經(jīng)網(wǎng)絡(luò)在股票滾動預(yù)測上的應(yīng)用[J];計(jì)算機(jī)應(yīng)用研究;1999年01期

6 王鈺,郭其一,李維剛;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型及其應(yīng)用[J];計(jì)算機(jī)測量與控制;2005年01期

7 鄭軍,顏文俊,諸靜;基于小波基函數(shù)的預(yù)測函數(shù)控制[J];控制與決策;2005年09期

8 董平平;高東慧;田雨波;胡永建;;一種改進(jìn)的自適應(yīng)慣性權(quán)重粒子群優(yōu)化算法[J];計(jì)算機(jī)仿真;2012年12期

9 王剛;許曉兵;;基于小波分析與神經(jīng)網(wǎng)絡(luò)時(shí)間序列的股票預(yù)測方法[J];金融經(jīng)濟(jì);2013年12期

10 歐陽林群;;GA神經(jīng)網(wǎng)絡(luò)在證券市場預(yù)測中的應(yīng)用研究[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2006年11期

相關(guān)博士學(xué)位論文 前1條

1 劉小龍;細(xì)菌覓食優(yōu)化算法的改進(jìn)及應(yīng)用[D];華南理工大學(xué);2011年

本文編號：2793394