作為一個高風險高收益的投資領域,股票市場行情的預測問題一直都是金融系統(tǒng)研究的熱點問題。近些年來,投資者一直致力于尋找有效的預測股市行情的方法和工具,也揭示了一些股票市場內在的運行規(guī)律,但鑒于股價系統(tǒng)內部結構的復雜性和外部因素的多變性,現(xiàn)有的預測方法效果并不理想,人工神經(jīng)網(wǎng)絡的發(fā)展為解決這一難題提供了有效的途徑。 人工神經(jīng)網(wǎng)絡作為一種大規(guī)模并行處理的非線性系統(tǒng),依據(jù)數(shù)據(jù)本身的內在聯(lián)系建模,具有良好的自學習能力、較強的抗干擾能力,在股票價格的短期預測中已經(jīng)取得了令人比較滿意的效果,但也存在一些自身的弱點,本文總結前人的經(jīng)驗,提出了采用主成份分析法與神經(jīng)網(wǎng)絡相結合的方法構建模型,有效的解決了這一難題。 首先,運用統(tǒng)計學主成份分析理論和人工神經(jīng)網(wǎng)絡相關知識,利用SPSS統(tǒng)計分析軟件加以MATLAB語言的輔助,對影響上證綜指的因素從外圍股市到宏觀環(huán)境、從基本面到技術面進行全方位的分析,得出影響上證綜指走勢的主要因素；然后,建立BP人工神經(jīng)網(wǎng)絡模型,利用所選取的樣本集進行訓練和檢驗,驗證模型的精確度；最后,對模型的使用和修正提出一些自己的建議,使得模型能夠更加的有效實用。

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

圖4一ntralnlm效果圖圖4一12traingda效果圖

沙!冬︸哥孰︸碳崛i一邵30切:必.一硯“印而-一井洲腸嘛漪泌種…誰嚼咖佛奮如的2緲一翔心3液月00‘繃心5柳圖4一ntralnlm效果圖圖4一12traingda效果圖

圖4-I3tr.,”;娜.:rvi}-.果和:

由此可以看出，采用了況月辦幾M函數(shù)的Leveoberg一Marquardt算法是最適宜4.4.3.2確定隱層單元數(shù)確定好訓練函數(shù)后，下一步的問題便是如何確定最適宜的隱層單元數(shù)，隱層單元數(shù)的確定很重要，而這一問題的復雜性，使得至今為止，還沒有找到一個很好的解析式，隱層節(jié)點數(shù)往往是根....

圖4一18訓練后的網(wǎng)絡輸出圖

妙礦認.山曰·七一卜合感加巧﹁協(xié)姍一娜一仁‘︸巧主虧J﹃”U圖4一18訓練后的網(wǎng)絡輸出圖4.4.4BP神經(jīng)網(wǎng)絡的仿真在網(wǎng)絡訓練好后，可以利用，im函數(shù)對其進行仿真，、im函數(shù)的常用表示如下117]:【Y，Pf，Af，E，Per]=sl’m(net，P

圖4一19訓練前后網(wǎng)絡輸出對比示意圖

?⒁籣__-------一一圖4一19訓練前后網(wǎng)絡輸出對比示意圖4.4.SBP神經(jīng)網(wǎng)絡的測試.神經(jīng)網(wǎng)絡的測試環(huán)節(jié)又叫做檢驗環(huán)節(jié)，是對前期已經(jīng)訓練好的網(wǎng)絡模型的訓練效果的有效考驗，是神經(jīng)網(wǎng)絡模型能否最終確定的關鍵所在，本節(jié)便是在前一節(jié)的基礎上，采用此前選取好的測試樣本，對己有的模型....

本文編號：3952239