基于PSO優(yōu)化的BP神經(jīng)網(wǎng)絡股票預測模型.pdf

1、股票市場作為經(jīng)濟的“晴雨表”在我國經(jīng)濟中起著非常重要的作用，有效的股票預測在金融投資領域占有重要地位。但是股市受政策、經(jīng)濟、以及投資者心理等諸多復雜因素的影響，是一個高度復雜的非線性動態(tài)系統(tǒng)，具有典型的復雜不確定性的特點。
　　神經(jīng)網(wǎng)絡具有很強的非線性逼近能力和自學習、自適應等特性，能自動從歷史數(shù)據(jù)中提取有關經(jīng)濟活動的知識，因而非常適合用來解決股票預測領域中的一些問題，實驗證明，利用神經(jīng)網(wǎng)絡對股市建模可以取得比較不錯的短期預測效果

2、。
　　但是傳統(tǒng)的神經(jīng)網(wǎng)絡存在學習速度慢、易陷入局部極小值，預測結果精度不高的缺點，針對這些缺點，本文將PSO（Particle Swarm Optimization）算法應用到BP（Back Propagation）神經(jīng)網(wǎng)絡的優(yōu)化上，并對PSO算法進行優(yōu)化，基于大量的實驗，選擇合適的BP神經(jīng)網(wǎng)絡優(yōu)化算法。本文的工作包括：
　　首先，分析了股票的可預測性，股票市場的影響，并對國內外相關技術的研究進展進行了綜述。
　　其

3、次，建立了基于BP神經(jīng)網(wǎng)絡的股價預測模型，通過實驗確定預測模型結構；結合股票市場規(guī)律，選擇輸入輸出變量，通過歷史數(shù)據(jù)挖掘股票市場潛在規(guī)律，，用以預測未來的走勢。
　　最后，針對BP算法的缺點，采用PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡，用PSO訓練BP神經(jīng)網(wǎng)絡權值，加快BP網(wǎng)絡的收斂速度；對比各種PSO優(yōu)化算法，基于大量實驗，選擇合適的粒子群算法，建立基于PSO優(yōu)化的BP神經(jīng)網(wǎng)絡預測模型。實驗證明，帶控制因子的非線性遞減策略的粒子群算法在BP