基于神經(jīng)網(wǎng)絡(luò)的股票行情趨勢預(yù)測.pdf

1、本文利用數(shù)據(jù)挖掘技術(shù)對我國股票行情波動趨勢進行研究，其目的是為了預(yù)測未來股市的行情走勢及其波動周期。介紹了在數(shù)據(jù)挖掘中各個環(huán)節(jié)使用到的技術(shù)基礎(chǔ)理論及其在本文中的使用方法，主要介紹了筆者對股票數(shù)據(jù)挖掘研究的整個過程以及實驗結(jié)果和結(jié)果分析。 在本文的數(shù)據(jù)挖掘建模過程的數(shù)據(jù)預(yù)處理階段，采用了小波變換算法對股票的每日收盤價進行平化處理，使得股票價格波動很理想地嚴格服從股票波動趨勢，從而可以截取波段。每一波段稱之為一個模式，而一個模式由三

2、個特征屬性來描述：區(qū)間長度，成交量總和，波段斜率。在數(shù)據(jù)挖掘階段，建立數(shù)據(jù)挖掘模型過程中采用了BP神經(jīng)網(wǎng)絡(luò)算法，建立一個三層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，即輸入層、隱含層和輸出層。對數(shù)據(jù)預(yù)處理后得到的數(shù)據(jù)進行挖掘，利用前M個模式作為網(wǎng)絡(luò)模型輸入，經(jīng)過隱含層的變換，輸出第M+1個模式的區(qū)間長度值，也就是利用前M各股市波動行情來預(yù)測下一個行情的周期。由于每個模式有3個特征值，所以網(wǎng)絡(luò)模型的輸入節(jié)點個數(shù)為3M個。通過C＃語言編程實現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)挖掘模型。

3、接下來就是訓(xùn)練神經(jīng)網(wǎng)絡(luò)，訓(xùn)練之前把數(shù)據(jù)預(yù)處理得來的數(shù)據(jù)分成兩部分，一部分用于訓(xùn)練，另一部分用于測試。通過訓(xùn)練的誤差曲線圖可以看到當M值越大其誤差就越小，另外也可以從測試的預(yù)測結(jié)果對比圖可以看出M值越大預(yù)測值就越接近預(yù)期目標。但是當M值越大其計算量就越大，效率也越低，所以只要M值適當，我們也可以得到很理想的效果。通過對我國滬深兩市大量的A股的交易數(shù)據(jù)的訓(xùn)練和測試結(jié)果，我們可以看到數(shù)據(jù)挖掘技術(shù)、神經(jīng)網(wǎng)絡(luò)算法在股票預(yù)測方面非常有應(yīng)用價值，通過