BP神经网络在股票预测中的应用研究

中南大学硕士学位论文BP神经网络在股票预测中的应用研究姓名：王莎申请学位级别：硕士专业：计算机应用技术指导教师：黄志武20080401BP神经网络在股票预测中的应用研究作者：王莎学位授予单位：中南大学相似文献(10条)1.学位论文初玉坤神经网络在股票预测中的应用研究2003该文利用神经网络技术检验数据初期处理算法对预测效果的影响,提出了三种数据前期处理算法的改进方法:(1)收盘价5日涨跌比;(2)成交量5日均值法;(3)日均价法.该文首先针对股票预测广泛的社会需求,概述了股票预测的技术现状、常用分析方法,以及传统预测方法面临的问题;其次,综合比较了改进的BP算法和径向基函数法、回溯期改变以及输入矢量差别对预测结果的影响,确定了一个结构和性能良好的神经网络,能够减少外界因素对预测结果产生的干扰,更好的体现数据初期处理算法的性能;最后,基于选定的神经网络结构和参数,检验该文提出的三种数据初期处理算法的有效性.其中,日均价法预测值对实际值的波动趋势拟合的效果良好,可以作为股票实际操作的指导,具有一定的实用价值.影响股市的因素很多,要准确的预测股市波动非常困难.该文的研究表明,对于变幻莫测的预测市场,应用神经网络技术这种智能信息处理方法于股票预测,有可能取得比较满意的结果,并具有实际操作意义.2.期刊论文谢秀珍.李建洋.XIEXiu-zhen.LIJian-yang基于神经网络LAMSTAR的短线股票预测研究-计算机工程与科学2008,30(5)股票预测在金融领域是一个重要的课题.LAMSTAR是一个用于存储、识别、比较和决策的网络系统.本文尝试开发一个关于短期股票预测的LAMSTAR网络应用程序,每一次预测都会从历史数据里获取股票特征,然后输入LAMSTAR网络.网络会自动检测各特征之间的多维非线性关系并编码,然后根据预测的趋势进行交易.本文提供了三个公司的预测结果,该预测结果非常有效.3.学位论文丁倩蕾神经网络在股票预测中的应用研究2008股票是市场经济的产物，从诞生的那天起就牵动着数以千万投资者的心。股票投资的收益与风险往往是成正比的，即投资收益越高，可能冒的风险越大。个人投资者和机构投资者时刻关心股票行市，分析财务数据，试图预测股票的发展趋势。因此，股市内在规律的研究和预测具有极其重要的理论意义和应用价值。本文提出了利用BP(BackPropagation)神经网络进行股市分析和预测建模的方法。股票市场是一个极其复杂的非线性动力学系统，而神经网络具有很强的非线性逼近能力和自学习、自适应等特性，实验证明，利用神经网络对股市建模可以取得较好的预测效果。BP网络通过对以往历史数据的学习，找出股市发展的内在规律，并将其存储在网络具体的权值、阈值中，用以预测未来的走势。本文分析了基于BP网络进行股市预测的原理，利用三层前馈神经网络对股市建立预测模型。通过分析激活函数在传统BP算法中的作用，提出一种新的激活函数，有效的加快了网络学习的收敛速度。在实验中对标准BP算法和改进后的BP算法的性能做了比较。最后以上证收盘指数为例，结合在线学习方式对所建的预测模型进行训练和预测，取得了较好的效果。理论分析和实验结果表明，BP神经网络用于股票市场的预测是可行的和有效的，并有着良好的应用前景。4.期刊论文刘军.邱晓红.汪志勇.杨鹏.LIJun.QIUXiao-hong.WANGZhi-yong.YANGPeng基于相似性最优模块神经网络的股票预测-江西师范大学学报（自然科学版）2008,32(4)该文提出一种最优模块化神经网络的模型.BP网络存在学习后面的样本而遗忘前面的样本,以及训练速度很慢的问题,但具有泛化能力强的优点,同时网络的结构不会随数据增加而变的庞大.而RBF网络随着输入维数增加其隐藏层的神经元个数呈指数增加,并且其泛化能力不强,但RBF网络具有训练速度比较快,逼近效果好等优点.于是提出最优模块化神经网络的模型,综合BP和RBF网络的优点.使学习样本能力,运算速度,网络规模得到改善.该模型适合于较多的样本训练.5.期刊论文孙伟.郭金华.夏冰基于RBF神经网络的股票预测理论探讨-黑龙江科技信息2010,(22)股票市场是个复杂且难以预测的系统,主要是因为影响股价变动的因素非常多,并且它是一个典型非结构性及非线性的系统.径向基函数(RBF)是一种具有单隐层的三层前馈网络.是借鉴生物局部调节和交叠接受区域知识的基础上,采用局部接受域来执行函数映射的人工神经网络.具有很强的局部非线性逼近能力和自学习、自适应等特性.对于每个训练样本,它只需要对少量的权值和阈值进行修正,结构简单、训练简洁且学习收敛速度快,能够逼近任意非线性函数.因此,将RBF神经网络应用于股市中,进行尝试预测和分析股市.6.期刊论文王亿楷.赖国明.WANGYi-kai.LAIGuo-mingBP神经网络的改进及其在股票预测中的应用-韩山师范学院学报2008,29(6)研究了BP神经网络,对BP算法的权值初始化进行改进,使得其收敛速度更快,并建立了基于BP神经网络的股价预测模型.最后以深发展A的收盘价为例,分析改进后的BP神经网络模型的预测效果.7.期刊论文王波.张凤玲.WangBo.ZhangFengling神经网络与时间序列模型在股票预测中的比较-武汉理工大学学报（信息与管理工程版）2005,27(6)首先利用时间序列中的ARIMA模型和人工神经网络建立了两类股票价格预测模型并对一定时期的股票价格进行了预测,然后用4种广为使用的统计评价方法对两类模型的预测性能进行了比较.结果表明,两种模型都取得了很好的整体预测效果,而在趋势预测方面,神经网络则得到了比ARIMA模型更准确的结果.8.学位论文刘滢数据挖掘在股票预测中的应用2010伴随着我国市场经济的繁荣发展，股票走进了千家万户，成为了与许多人息息相关的投资产品。因此，对股票走势的预测成为越来越多人所关注的课题。人们根据预测时所使用的不同方法，将股票预测分为两个派别：基本分析派和技术分析派。基于数据挖掘技术对股票的预测便是技术分析派中一个重要的分支。br　　本文深入研究了数据挖掘技术，探讨了决策树算法、时间序列法、神经网络在股票预测方面的应用。其中重点讨论了决策树算法中的ID3算法及神经网络中的BP算法在股票预测中的应用。在讨论决策树中的ID3算法应用于股票预测时，针对股票市场的特殊性，对算法稍做改进，生成了一个有效性较强、冗余较小的决策树；在采用BP神经网络对股票预测时，通过改变学习速率优化算法，使其在对股票预测方面达到最优的效果。9.期刊论文何芳.陈收基于扩展Kalman滤波的神经网络学习算法在股票预测中的应用-系统工程2003,21(6)给出一种新颖的用于股价预测的基于扩展Kalman滤波的神经网络学习算法.与传统的BP算法相比,该方法具有更好的收敛率和学习能力.通过对股票的预测实验验证该方法的可行性和有效性.10.学位论文孙昱神经网络在股票预测中的应用研究2001该论文重点研究了无噪声数据情况下股市走势的发展变化,处理数据时,提出了筛选的方法,即在预测股市时,尽量避开噪声数据,希望所选用的数据都是股市内在规律占主导地位发展的必然结果,从而网络通过学习,能正确反映股市发展的内在规律,以预测未知的数据.股票的BP网络预测方法有单步、多步以及滚动预测.该论文研究的重点放在对个股的滚动预测上.滚动预测是单步预测的迭代,通常训练一个BP网络,以不断进行个股的滚动预测,即滚动预测中的每步迭代都是用事先已训练好的一个固定的网络;该论文提出了不同于通常的滚动预测方法,即训练不同的BP网络,分别用于滚动预测中的每步迭代,预测效果较为满意.该论文主张训练与测试数据的规律一致性.同时,该论文对噪声数据股市的可预测性进行了分析,并提出了切实可行的解决办法.本文链接：授权使用：黄小强(wfxadz)，授权号：9d862ab0-54fe-477d-9153-9e4700e098fe下载时间：2010年12月9日