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)測分析方法,以幫助人們增加收益的同時適當(dāng)?shù)慕档惋L(fēng)險。股市高度復(fù)雜,它的變化規(guī)律有一定趨勢性,但受政治、經(jīng)濟(jì)、心理等各種因素的影響,市場的變化規(guī)律仍然讓人難以琢磨。傳統(tǒng)的股票指數(shù)預(yù)測方法大都是基于數(shù)理統(tǒng)計(jì)的方法,共同點(diǎn)是先建立數(shù)據(jù)序列的主觀模型,然后根據(jù)主觀模型進(jìn)行計(jì)算和預(yù)測,預(yù)測精度不能滿足實(shí)際的要求。股票指數(shù)具有明顯的混沌特征,許多學(xué)者對其混沌特性進(jìn)行了深入研究,建立了多種基于混沌理論的股票指數(shù)預(yù)測模型。混沌BP神經(jīng)網(wǎng)絡(luò)模型是一種比較成功的股票指數(shù)預(yù)測模型,但該模型有易于陷入局部極小值和收斂速度慢的缺點(diǎn),因此,提高混沌BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測精度是股票指數(shù)預(yù)測方法研究的一個重要課題。首先建立了一個基于混沌理論的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型,將其應(yīng)用于2種典型的非線性時間序列（Logistic混沌系統(tǒng)和Henon混沌系統(tǒng)）和實(shí)測上證綜合指數(shù)時間序列進(jìn)行了有效性驗(yàn)證,并給出了不同訓(xùn)練樣本的預(yù)測值比較和結(jié)果分析。為進(jìn)一步提高預(yù)測模型的預(yù)測準(zhǔn)確性,提出了一種基于粒子群算法優(yōu)化混沌BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)預(yù)測模型。該模型采用時間序列輸入輸出參數(shù)數(shù)量構(gòu)造B... 

【文章來源】：河北大學(xué)河北省

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景、目的及意義
        1.1.1 研究背景
        1.1.2 研究目的
        1.1.3 研究意義
    1.2 國內(nèi)外研究動態(tài)和發(fā)展趨勢
        1.2.1 股市預(yù)測的國外研究概況
        1.2.2 股市預(yù)測的國內(nèi)研究概況
        1.2.3 發(fā)展趨勢
    1.3 研究內(nèi)容、方法和創(chuàng)新點(diǎn)
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
        1.3.3 創(chuàng)新點(diǎn)
第2章 混沌預(yù)測相關(guān)理論簡介
    2.1 混沌預(yù)測理論
        2.1.1 混沌概述
        2.1.2 混沌時間序列概述
        2.1.3 相空間重構(gòu)理論
        2.1.4 常用混沌時間序列預(yù)測方法簡介
    2.2 BP神經(jīng)網(wǎng)絡(luò)理論
    2.3 粒子群優(yōu)化算法
    2.4 2種典型的非線性系統(tǒng)簡介
    2.5 本章小結(jié)
第3章 基于混沌理論的BP神經(jīng)網(wǎng)絡(luò)股指預(yù)測模型
    3.1 基本思路
    3.2 模型基本參數(shù)的確定
        3.2.1 實(shí)驗(yàn)數(shù)據(jù)的確定
        3.2.2 嵌入維數(shù)m和時間延遲τ的確定
        3.2.3 BP神經(jīng)網(wǎng)絡(luò)參數(shù)的確定
    3.3 數(shù)據(jù)歸一化方法的確定
    3.4 模型的基本步驟
    3.5 仿真實(shí)驗(yàn)
        3.5.1 2種典型非線性系統(tǒng)的仿真實(shí)驗(yàn)
        3.5.2 實(shí)際股票指數(shù)的仿真實(shí)驗(yàn)
    3.6 結(jié)果分析
    3.7 本章小結(jié)
第4章 基于PSO優(yōu)化混沌BP神經(jīng)網(wǎng)絡(luò)的股指預(yù)測模型
    4.1 基本思路
    4.2 模型基本參數(shù)的確定
        4.2.1 實(shí)驗(yàn)數(shù)據(jù)、嵌入維數(shù)和時間延遲的確定
        4.2.2 粒子群算法中參數(shù)的確定
    4.3 PSO優(yōu)化混沌BP神經(jīng)網(wǎng)絡(luò)模型的基本步驟
    4.4 仿真實(shí)驗(yàn)
        4.4.1 2種典型非線性系統(tǒng)的仿真實(shí)驗(yàn)
        4.4.2 實(shí)際股票指數(shù)的仿真實(shí)驗(yàn)
    4.5 結(jié)果分析
    4.6 本章小結(jié)
第5章 結(jié)論與展望
    5.1 主要研究成果和結(jié)論
    5.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于遺傳算法優(yōu)化混沌神經(jīng)網(wǎng)絡(luò)的股票指數(shù)預(yù)測[J]. 馬明,李松.  商業(yè)研究. 2010(11)
[2]基于遺傳算法和神經(jīng)網(wǎng)絡(luò)的股票價格預(yù)測[J]. 盧琇澤,葉德謙,南敏.  電腦開發(fā)與應(yīng)用. 2010(02)
[3]混沌時間序列預(yù)測模型的比較研究[J]. 李松,劉力軍,谷晨.  計(jì)算機(jī)工程與應(yīng)用. 2009(32)
[4]證券市場的混沌現(xiàn)象分析[J]. 陳輝煌,高巖.  企業(yè)經(jīng)濟(jì). 2009(06)
[5]基于混沌神經(jīng)網(wǎng)絡(luò)的股票分析及其預(yù)測[J]. 張中華,丁華福.  計(jì)算機(jī)技術(shù)與發(fā)展. 2009(03)
[6]混沌時間序列改進(jìn)的加權(quán)一階局域預(yù)測法[J]. 孟慶芳,彭玉華.  計(jì)算機(jī)工程與應(yīng)用. 2007(35)
[7]基于混沌與改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的電價預(yù)測方法[J]. 孫帆.  微計(jì)算機(jī)信息. 2007(26)
[8]基于改進(jìn)的C-C方法的相空間重構(gòu)參數(shù)選擇[J]. 陸振波,蔡志明,姜可宇.  系統(tǒng)仿真學(xué)報. 2007(11)
[9]GA神經(jīng)網(wǎng)絡(luò)在證券市場預(yù)測中的應(yīng)用研究[J]. 歐陽林群.  武漢理工大學(xué)學(xué)報(信息與管理工程版). 2006(11)
[10]基于R/S分析的深圳股市非線性特征實(shí)證研究[J]. 周洪濤,王宗軍.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2006(02)

碩士論文
[1]小波網(wǎng)絡(luò)與混沌時間序列預(yù)測[D]. 牛國鵬.蘭州大學(xué) 2009



本文編號：3597905