基于動態(tài)神經網絡的股價預測模型研究.pdf

1、隨著我國經濟體制改革和金融體制改革的深入，證券投資已成為社會生活的一個重要組成部分，股票交易作為證券投資的一種，是現代經濟生活中最常見的風險投資活動。但股票市場是一個復雜的非線性動力系統，利用傳統的時間序列預測技術存在一定的局限性，而近十幾年發(fā)展起來的神經網絡理論逐漸成為非線性動力系統預測與建模的強有力工具。 本文以股價預測為研究對象，分析了目前股價預測的四種主要方法，包括投資分析法、時間序列分析法、非線性系統分析法以及組合預測

2、法，并在人工神經網絡和遺傳算法的基礎上，提出了GA-Elman動態(tài)神經網絡股價預測模型，即借助遺傳算法來訓練優(yōu)化網絡的初始權值。該模型的優(yōu)點是：保證了神經網絡有良好的“記憶”功能的同時，使用遺傳算法全局變異算子避免了神經網絡陷入局部最優(yōu)，并且由于其具有并行搜索的特性，保證了算法的快速、穩(wěn)定。 為了驗證該模型的可行性和有效性，本文的實證研究主要分三個階段來逐層推進：在研究的第一階段，選取了中國聯通和四川長虹兩支股票對該模型進行檢驗

3、，實證結果表明：該模型的一致率較高，在大多數情況下可以準確預測股價走勢。在研究的第二階段，以上證收盤指數為預測對象，對GA-Elman動態(tài)神經網絡股價預測模型以及BP預測模型，RBF預測模型進行了比較分析，實證結果表明：GA-Elman動態(tài)神經網絡股價預測模型的預測效果明顯優(yōu)于其它兩種靜態(tài)神經網絡模型。在研究的第三階段，同樣以上證收盤指數為預測對象，對GA-Elman動態(tài)神經網絡股價預測模型與傳統的時間序列模型進行了比較分析，并對兩種預