基于主成分-BP神經(jīng)網(wǎng)絡的股票預測.pdf

1、隨著經(jīng)濟的發(fā)展和人們投資意識的轉(zhuǎn)變，股票投資已成為現(xiàn)代人生活中一個重要組成部分，而股票的預測也成為投資者關心和研究的重點。由于股票市場是一個極其復雜的非線性動力學系統(tǒng)，股票投資的收益和風險往往是成正比的，如何建立一個運算速度和精確度都比較高的股票預測模型，對于股票投資者具有理論意義和實際應用價值。
　　 預測中輸入變量的選取影響預測的速度和精度，傳統(tǒng)方法選取輸入變量主觀性強，預測效果欠佳。本文使用主成分分析法選取輸入變量，計算量

2、小，預測效果更好。
　　 本文主要工作有以下四個部分：
　　 第一章介紹了股票的研究背景及選題的意義，概括總結(jié)了現(xiàn)階段的股市分析中運用的理論，論述了神經(jīng)網(wǎng)絡在股市模型中的應用，提出了股票分析中存在的問題以及解決的方法，最后提出了本文的研究思路。
　　 第二章主要對股票預測的相關評價指標進行討論，指出了對股票進行預測時面臨的主要問題，分析比較了股票市場幾種典型的預測方法，簡單介紹了人工神經(jīng)網(wǎng)絡的原理。對技術分析中各

3、種分析方法進行總結(jié)。
　　 第三章介紹了基于主成分——BP神經(jīng)網(wǎng)絡的股票預測的可行性，分析了主成分分析的原理以及BP神經(jīng)網(wǎng)絡的原理，建立了基于主成分--BP神經(jīng)網(wǎng)絡的預測模型。
　　 第四章以滬市上證綜合指數(shù)為例分別對單一的BP神經(jīng)網(wǎng)絡預測和基于主成分--BP神經(jīng)網(wǎng)絡的預測做了仿真驗證，仿真結(jié)果表明了使用主成分分析選取輸入變量的有效性，它明顯減少了預測時間，改善了預測精度。利用主成分分析方法對樣本集進行處理，形成新的訓練

4、樣本集，減少了人工神經(jīng)網(wǎng)絡建模時網(wǎng)絡的輸入數(shù)，同時消除了輸入因子的相關性并簡化網(wǎng)絡結(jié)構(gòu)，能大大提高網(wǎng)絡的學習速率。得到的人工神經(jīng)網(wǎng)絡模型能達到較高的精度，為影響因素多且機理尚不清的股票市場人工神經(jīng)網(wǎng)絡預測提供了一個有效的方法。
　　 本文的創(chuàng)新點就是：利用主成分分析方法對樣本集進行處理，形成新的訓練樣本集，減少了人工神經(jīng)網(wǎng)絡建模時網(wǎng)絡的輸入數(shù)，同時消除了輸入因子的相關性并簡化網(wǎng)絡結(jié)構(gòu)，能大大提高網(wǎng)絡的學習速率。得到的人工神經(jīng)網(wǎng)絡