论文 基于BP神经网络的上证股票指数预测

基于BP神经网络的上证股票指数预测ShanghaiStockIndexPredictionwithNeuralNetworks内容提要证券市场作为高风险高收益的投资领域一直倍受投资者的关注，如何能够准确分析和预测股票价格以便获取丰厚的收益一直受到人们的关注。于是各种股票价格分析预测和方法应运而生，如何建立一个成功率比较高的预测理论和模型是多年来许多学者一直研究的内容。随着证券市场混沌和分形理论的逐步确立，人们开始利用神经网络对证券市场的变动加以预测。神经网络是一种重要的人工智能技术，它的研究开始于20世纪40年代，近年来，神经网络任意连续映射的逼近能力学习理论以及动态网络的稳定性分析都已取得了丰硕的成果；在应用上也迅速扩展到许多重要的领域涉及模式识别与图象处理、控制与优化、ATM网络中呼叫接纳的识别与控制、导航多媒体处理系统等等。神经网络的自适应学习非线性映射强的特点非常适合应用于经济领域的信息处理以及分析时间序列。BP（BackPropagation）网络是一种被广泛运用的神经网络。它的核心是BP算法，一种对于多基本子系统构成的大系统进行微商计算的严格而有效的方法，结构简单，算法成熟。与传统统计回归方法相比，神经网络不仅能够学习训练集的例子，且能从训练集中提炼出某种一般性原理、规律，具有很强的非线性函数拟合特性,这对于预测短周期内股指波动有较强的适用性。本文尝试利用基于BP算法的三层向前神经网络对上海交易所上证指数进行了预测，并针对BP网络原形的一些缺点和不足，对原有的预测方法作出了一些改进。在实际预测中取得了良好的效果。关键词：指数预测；神经网络；BP算法AbstractTobeaninvestmentregionofhighriskandhighprofit,Stockmarketattractsmanyinvestors’attentionsallalong.Howtoobtainprofitthroughanalyzingandforecastingthesharepriceaccuratelyisattractingthepeople’sattentions.WiththedevelopingofFractalMarketHypothesis(FMH)theory,peoplehavetriedtoforecastthechangeoftheStockmarket.TheneuralnetworkisanimportanttechnologyinthefiledofAI,whichwasdevelopedin1940’s.Inrecentyears,thetheoryabouttheapproximationofrandomcontinuousmapsbyneuralnetworkandtheanalyzingofthestabilityofadynamicnetworkhavebeenusedinmanyfieldsandgainedgreatachievement.BP(BackPropagation)isaneuralnetworkwhichisadoptedwidely.ThecoreistheBParithmetic,astrictandeffectivemethodtoderivativeproblemforsystembasedonmulti-subsystem,whichhassimpleconfigurationandmaturearithmetic.Tocomparewiththetraditionalstatisticalregressmethod,BPnetworkcannotonlystudytheexampleoftrainingset,butalsoabstractsomegeneraltheoryandrule.Ithasstrongcharacteristicofapproximationofnon-linearfunctions,whichismuchfitforstockindexanalyzedandpredictedinashort-term.ThisarticletriestouseaneuralnetworkonthebaseofBParithmetictoforecasttheshareindexofShanghaistockexchange.MeanwhileitmakessomeimprovementtotheoriginalforecastmethodaccordingtothelimitationanddisadvantageoftheBPnetworkoriginalshape.Keywords:StockIndexForecasting；NeuralNetworks；BParithmetic目录前言.................................................1第一章股票市场的分形特征及其指数的预测方法...........2第一节：股票市场的分形特征....................................21.传统的有效市场假说......................................22.分形市场的假说(FMH).....................................3第二节分形市场的判断.........................................51.分形市场的常用判断方法..................................52.使用R/S法计算Hurst指数................................53.R/S计算的结果分析......................................10第二章利用神经网络对具有分形特征的时间数列进行预测.10第一节常用的混沌时间序列分析预测方法.........................10第二节神经网络的基本原理.....................................101.人工神经网络的历史.......................................112.神经网络的特点...........................................123.神经网络的基本原理......................................13第三节基于BP算法的三层向前的神经网络.........................151.多层次的神经网络.........................................152.BP网络的基本原理.........................................16第三章对BP神经网络的改进..........................17第一节BP网络的缺陷...........................................17第二节与BP算法相结合的遗传算法...............................181.遗传算法简介.............................................182.遗传算法的基本原理.......................................193.遗传算法与传统BP神经网络的结合...........................20第三节在样本输入中添加随机噪声..............................21第四节多个神经网络集成预测..................................22第四章实证结果及其分析............................24第一节神经网络结构设计........................................24第二节利用BP神经网络预测上证指数的流程......................26第三节实际预测结果...........................................28第四节对预测结果的分析和思考................................34第五节总结..................................................35前言从股市诞生一百多年以来，不断有人用各种方式研究股市运行的规律，人们希望能从复杂多变的股市中找到一个规律来预测股市未来的发展，从而通过证券交易获得最大的投资净效用。另一方面，随着证券市场的飞速发展，证券市场与经济发展的关系越来越密切，证券市场在成为世界公认的经济晴雨表的同时，也对经济的发展产生着发作用。因此预测股票市场的变化趋势更对经济发展的管理和调控有着重要的参考作用。如何能够准确分析和预测股票价格?各种股票价格分析预测和方法应运而生,如何建立一个成功率比较高的预测理论和模型是多年来许多学者一直研究的内容。国外的研究者先后提出了一系列的定价理论和投资组合模型如马柯威茨的投资组合理论夏普等人的CAPM以及罗斯的APT然而投资者们发现虽然这些理论极大地开阔和提高了投资者的思想理念及其对风险和收益的辨证理解但对实际操作却缺乏明确的指导作用。随着近年来人工智能方法研究的发展以及证券市场一些特性逐渐被人所揭示，一些新的预测方式开始浮出水面。神经网络由于其在分析和预测时间序列方面的独到优势，逐渐成为构建证券预测模型的有力工具。我国证券市场自90年代初期成立以来，虽然经历的时间只有短短15年。经过15年的努力，中国证券市场取得了巨大的成就，当前深圳、上海两家证券交易所总市值达到4万多亿元，已经有1300多家的上市公司，7000多万名投资者。对我国证券市场走势的预测同样有着重要的意思。上海证券交易所编制的上证综合指数，该指数以1990年12月19日为基日，以该日所有股票的市价总值为基期，基期指数定为100点，自1991年7月15日起正式发布。上证指数将上海交易所流通股票的总市值的变动以指数的形式表示出来，易于计算。上证指数的变化情况准确的反映着证券市场的波动情况。对于上证指数的预测工作不但能够帮助资本市场的投资者对后市发展进行分析获取收益，对分析和微调我国经济发展方向也有着重要的参考价值。本文在意在研究股票市场的一些基本的特点，通过尝试利用神经网络对上证指数的变化趋势进行了预测，探索为预测我国证券市场指数的变动提供了一种具有一定准确性与可操作性的实用方法。第一章股票市场的分形特征及其指数的预测方法第一节：股票市场的分形特征1.1.1传统的有效市场假说美国经济学家Fama1965年在其经典文献中提出了有效市场假说（EfficientMarketHypothesis,EMH），他认为投资者对市场信息会作出合理的反应，应该将市场信息与股票价格相结合。在EMH假说里，市场是一个鞅，或“公平博弈”，即信息不能被用来在市场上获利。即“如果在一个证券市场中，价格完全反映了所有可获得的信息，那么就称这样的市场为有效市场”。经济学家Roberts根据信息集的不同内涵，区别了三个层次的市场效率，即弱型效率、半强型效率、强型效率。这种分类法被Fama确定而成为经典。这三种信息集分别为：（1）历史价格信息，通常指证券过去的价格和成交量；（2）所有可公开得到的信息，包括盈利报告、年度财务报告、财务分析人员公布的盈利预测和公司发布的新闻、公告等；（3）所有可知的信息，包括不为投资大众所了解的内幕信息。与这三类信息相对应，有效率的市场可分为弱型效率、半强型效率、强型效率。弱型效率（Weak-FormEfficiency）认为价格反映了包含在历史价格序列中的所有信息，投资者不能通过分析历史价格获得超常收益，这意味着技术分析