神经网络在经济学中的应用

神经网络在经济领域中的应用制作人：人工神经网络在经济领域中的发展概况（1）在微观经济领域的应用可用人工神经网络构造的企业成本预测模型预测未来成本，用人工神经网络对销售额进行仿真实验，准确预测未来的销售额。（2）在宏观经济领域的应用主要用于国民经济参数的预算、通货膨胀率和经济周期的预测及经济态势的预测预警。（3）在证券市场中的应用股票的收益性是投资者购买股票的主要依据，用BP网络可以准确预测盈利水平的未来走向。（4）在金融领域的应用在金融领域用BP网络构造的信用评价模式可以对贷款申请人的信用等级进行评价，对公司信用和财务状况做出综合评价，进行破产风险分析，对贷款产生的效益针对不同的利益主体进行综合评价。（5）在社会经济发展评价和辅助决策中的应用在产业竞争力评价、可持续发展力评价、选址决策、运输方案决策、规划问题、区域发展战略研究等领域运用神经网络做出的评价结果和决策方案能真实地反映客观实际，具有科学性和可靠性。人工神经网络在证券市场中的应用研究目录01证券市场的特性及预测方法02人工神经网络与证券市场预测03BP神经网络算法的网络设计04股价数据处理及分析01证券市场的特性及预测方法从证券市场内部来看,市场行情由投资者们的行为共同创造,反过来市场行情又直接影响着投资者的信心和下一步的操作行为。从外部看,股市还受到来自政治经济形势、金融政策、公司状况和重大消息等多方面因素的影响。证券市场结构图如下：证券市场的预测手段与方法基本可以分类为：基本面分析与技术分析。基本面分析是研究影响证券市场供给和需求的各种因素。技术分析是研究市场过去和现在的行为对市场未来走势的影响,并根据市场过去和现在的行为,运用多种数学模型,建立技术指标来预测市场未来变化的分析方法。从实质上说，它是以历史数据为基础，根据一定的方法来预测未来走势。证券市场决策分析框架如下：U表示对未来基本面的判断02人工神经网络与证券市场预测人工神经网络应用于证券市场的可行性在金融系统的预测研究中,一般是用传统统计经济学方法。传统的统计经济学方法存在不适合动态系统、建模复杂等局限性。而在股市中影响证券价格的因素包罗万象,可以说证券价格变动是一种不规范的经济行为。人工神经网络作为一种大规模并行处理的非线性系统,依据数据本身的内在联系建模,具有良好的适应性与自学习能力、较强的抗干扰能力。在国外,人工神经网络已经成为了投资公司及基金经理的强力工具与高效助手.对他们的投资决策起到了很好的帮助作用。人工神经网络在证券市场中的应用现状自从人工神经网络诞生以来在很多行业得到大量广泛的应用，其中应用较多的行业之一就是预测领域，而预测领域又以经济预测领域最为吸引人。一方面是因为人工神经网络具有强大的非线性运算能力，能够以任何精度逼近任何连续的非线性函数。另一方面也是因为经济领域难于预测，各种因素都有可能影响经济的走势，用神经网络能够很好处理。人工神经网络是近来预测研究的热点，它也被许多学者专家用于的经济方面的预测研究，并取得了不错的效果。金融与投资是人工神经网络应用最多的领域之一。近年来人工神经网络应用的典型问题领域有：银行倒闭预测、抵押及信贷评估预测、股市、债市、期货市场预测及外汇市场预测等等。03BP神经网络算法的网络设计BP算法的程序实现(1)初始化；PppPRMEEE11(4)计算各层误差信号；(5)调整各层权值；(6)检查是否对所有样本完成一次轮训；(7)检查网络总误差是否达到精度要求。(2)输入训练样本对Xp、dp计算各层输出；(3)计算网络输出误差；初始化V、W、Emin,、ηq=1，p=1,E=0输入样本，计算各层输出：m21jfyTjj,...,,),(XVl21kfoTjk,...,,),(YW计算误差：P1pl1k2kkod21E)(计算各层误差信号：l21koo1odkkkk,...,,,))((δokm21jyy1wjjl1kjkokyj,...,,))((调整各层权值：m10jl21kjyokjkwjkw,...,,,...,,,,n10xm21jxvviyjijij,...,,,...,,,Yp增1,q增1pP？NNE=0,p=1EEminY结束04股价数据处理及分析输入变量的处理目前股市上技术分析经常被用来预测股市,而且取得一定的效果。技术分析的精髓是总结经验找规律,然后才是使用这些规律。为了从大量的市场行为中找到有规律的东西,显然没有必要考虑市场行为的所有信息,只需部分地、重点地记录下市场行为的某些方面就可以了。技术指标是技术分析重要的分支。因此,可以将技术指标作为输入变量。输入变量的处理分两阶段进行:第一阶段先收集目前市场上常被使用的技术指标,当作“候选”的输入变量;第二阶段则采用逐步回归方法来筛选这些候选变量,以决定哪些为影响股价变动的关键因素。输出变量的处理本研究是预测股价未来的涨跌,预测的变量为未来某日的股价与今日股价的涨跌幅度。要计算涨跌幅度,首先要确认每日股价的水准。输入变量的选择技术指标选择具体步骤如下:(1)随机选取上市公司交易日的数据计算出技术指标(自变量),及5个交易日后股价涨跌幅度(因变量)合并成单一的数据文件。(2)将这家上市公司的数据以逐步回归执行分析,分析这些技术指标与未来5个交易日涨跌幅度的统计相关性。(3)以统计分析(逐步回归)为主,各技术指标本身特性为辅,选出具代表性的技术指标作为固定输入指标。总结证券市场投资是一种风险投资，它是风险与收益并存的。证券投资以其高风险、高收益的特点吸引着广大投资者投身其中,试图博取高额的回报。人工神经网络有模式记忆和联想的特点,它会将训练过的数据模式存储于网络权值中,当被预测数据输入网络后,网络自动唤起与之最接近的模式，从而产生预测结果。证券价格数据是时序排列数据，它是一种非线性但相对来说基本连续的一种数学函数。并且这个以时间、价格、交易量为变量的函数是非常复杂的，一般方法是无法得出它的准确函数表达式的，但利用人工神经网络可以对它进行逼近，对它经过相当多次的训练之后可以与复杂的股市价格走势曲线相拟合，从数学上说可实现了对证券走势函数的精确逼近。并且由于人工神经网络经训练后运算速度极快，并且其结果具有客观性,可以克服人工推断的不足。人工神经网络算法是可以应用在股市当中对其未来走势进行预测的。它更客观，并且当环境，证券走势发生改变之后，通过重新训练它可很快重新适应，而不需要象基于规则的专家系统那样重新调整规则，也不用重新编写代码。所以人工神经网络模型应用于证券预测领域具有广阔的前景。看观谢谢