根據(jù)混沌理論,具有混沌特征的中國金融市場可以通過恰當(dāng)?shù)哪Ｐ蛠韺ふ一煦鐣r間序列中隱含的規(guī)律,從而實現(xiàn)預(yù)測目的。在此基礎(chǔ)上本文利用遞歸預(yù)測器神經(jīng)網(wǎng)絡(luò)RPNN和量子行為粒子群優(yōu)化算法QPSO建立了混沌時間序列預(yù)測模型。RPNN是專門為時間序列研發(fā)的動態(tài)時間延遲神經(jīng)網(wǎng)絡(luò)。本文采用QPSO算法訓(xùn)練RPNN神經(jīng)網(wǎng)絡(luò),解決了模型預(yù)測過程中陷入局部最優(yōu)以及預(yù)測精度差等問題。首先本文使用合適的方法將QPSO與RPNN結(jié)合,構(gòu)建了 QPSO-RPNN模型。繼而本文以上證綜合指數(shù)作為研究對象,使用QPSO-RPNN進(jìn)行不同周期的仿真與預(yù)測,并分析對比不同預(yù)測周期的預(yù)測效果,結(jié)果表明QPSO-RPNN有效的實現(xiàn)了混沌時間序列的短期預(yù)測,其預(yù)測精度較高。最后本文將理論與實踐結(jié)合,以股票作為研究對象,對多支股票進(jìn)行仿真與預(yù)測,并以預(yù)測結(jié)果為基礎(chǔ),分別研究了日度級別的程序化交易以及15分鐘級別短周期交易。通過對預(yù)測結(jié)果以及程序化交易的結(jié)果進(jìn)行分析,證明了 QPSO-RPNN模型具有較高預(yù)測精度及其在程序化交易方面的可應(yīng)用性。
【學(xué)位單位】：廈門大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F832.51;F224
【部分圖文】：

論文結(jié)構(gòu)圖

斷續(xù)的輸入狀態(tài)響應(yīng)而進(jìn)行信息處理。它具有與人腦相似的特點，比如對信息進(jìn)??行并行處理，以及自適應(yīng)自學(xué)習(xí)能力等。神經(jīng)網(wǎng)絡(luò)根據(jù)其性能可以分成兩大類：??動態(tài)神經(jīng)網(wǎng)絡(luò)和靜態(tài)神經(jīng)網(wǎng)絡(luò)。靜態(tài)神經(jīng)網(wǎng)絡(luò)由靜態(tài)神經(jīng)元組成，如圖３－１所示，??ｖ，，?ｖ２，?Ｖ：，，?Ｖ．，，…，Ｖ，，為神經(jīng)元輸入，Ｗ，，，Ｗ２ｉ，…，Ｗｎｉ為相應(yīng)的權(quán)值，Ａ為神經(jīng)??元的閾值，ｆ（＿）是神經(jīng)元的激活函數(shù)，則該祌經(jīng)元實現(xiàn)的輸入輸出映射關(guān)系為：??ｙ?＝?ｆ（Ｅｆ＝ｉ?＋?０ｔ）?（３．１）??靜態(tài)神經(jīng)網(wǎng)絡(luò)包括常規(guī)的前向神經(jīng)網(wǎng)絡(luò)、ＲＢＦ神經(jīng)網(wǎng)絡(luò)等，靜態(tài)神經(jīng)網(wǎng)絡(luò)難以實??Ｖｌ?ｕｔ??Ｖ３?—??：１?〇ｉ?）?＾?ｆ⑷?｜?＾??ｙ??Ｖｎ?圖３－１：靜態(tài)神經(jīng)元結(jié)構(gòu)??現(xiàn)復(fù)雜動態(tài)系統(tǒng)的映射關(guān)系。動態(tài)神經(jīng)網(wǎng)絡(luò)更適合用來實現(xiàn)動態(tài)系統(tǒng)，其中遞歸??神經(jīng)網(wǎng)絡(luò)是動態(tài)神經(jīng)網(wǎng)絡(luò)的一種，是由動態(tài)神經(jīng)元組成，動態(tài)神經(jīng)元的輸入包括??系統(tǒng)當(dāng)前輸入和反饋以及其他神經(jīng)元的輸出，其輸入輸出的關(guān)系滿足：??ｙ?＝?ｆＣＩＨｉＵ／ｊＵｊＣｔ?－?Ｔｊ）?＋?Ｂｉ）?（３．?２）??Ｈｏｐｆｉｅｌｄ網(wǎng)絡(luò)、Ｅｌｍａｎ網(wǎng)絡(luò)是應(yīng)用較為廣泛的動態(tài)神經(jīng)網(wǎng)絡(luò)。動態(tài)神經(jīng)網(wǎng)絡(luò)內(nèi)部??具有帶延遲因子的反饋連接，可以更好的反映動態(tài)系統(tǒng)特性和演化行為，其連接??方式主要有兩種：１）多層反饋。網(wǎng)絡(luò)具有輸入層、隱層和輸出層

３．?２遞歸預(yù)測器神經(jīng)網(wǎng)絡(luò)??ＲＰＮＮ?（Ｒｅｃｕｒｒｅｎｔ?Ｐｒｅｄｉｃｔｏｒ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋ）是一種特殊的多重分支時間??延遲神經(jīng)網(wǎng)絡(luò)，圖３－２為ＲＰＮＮ的結(jié)構(gòu)圖。ＲＰＮＮ的所有神經(jīng)元節(jié)點相互連接，與??一般的神經(jīng)網(wǎng)絡(luò)不同，ＲＰＮＮ網(wǎng)絡(luò)沒有層次結(jié)構(gòu)，而是根據(jù)功能分為輸入節(jié)點、??狀態(tài)節(jié)點、輸出節(jié)點。輸入節(jié)點接受外部輸入，輸出節(jié)點是網(wǎng)絡(luò)對輸入的響應(yīng)，??狀態(tài)節(jié)點反映了輸入與輸出之間的映射關(guān)系。其中ｒ，，�。�，．．．，ｒ？是外部輸入節(jié)點，??中間是帶有閾值的神經(jīng)元，上方是網(wǎng)絡(luò)的存儲器，網(wǎng)絡(luò)存儲器中存放網(wǎng)絡(luò)在不同??時刻中的輸出信息，存儲器與神經(jīng)元的連接上具有相應(yīng)的權(quán)值。網(wǎng)絡(luò)節(jié)點可以同??時具有輸出功能和反饋功能。由于節(jié)點之間引入了多分支和時間延遲，ＲＰＮＮ的??時序特點更加明顯，并且網(wǎng)絡(luò)具有局部反饋的特性，即網(wǎng)絡(luò)當(dāng)前時刻的輸出不僅??與當(dāng)前時刻網(wǎng)絡(luò)的外部輸入有關(guān)
【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 周揚;;基于lyapunov指數(shù)的股票市場混沌性研究[J];金融經(jīng)濟;2014年20期

2 謝朝華;李忠;鄭詠梅;文鳳華;;中國股票市場分形與混沌特征:1994～2008[J];系統(tǒng)工程;2010年06期

3 張勝,劉紅星,高敦堂,沈振宇,業(yè)蘇寧;ANN非線性時間序列預(yù)測模型輸入延時τ的確定[J];東南大學(xué)學(xué)報(自然科學(xué)版);2002年06期

4 韓文秀,郁俊莉,王其文;我國資本市場混沌特性研究[J];系統(tǒng)工程理論與實踐;2002年10期

5 林小明,王美今;我國股票市場的混沌現(xiàn)象與市場有效性[J];數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究;1997年04期

本文編號：2875589