中國主要股指的分形分析與BP神經網絡預測.pdf

1、眾所周知，股票市場在國民經濟中的地位是極其重要的。中國股市到底遵循什么樣的規(guī)律呢？是線性的還是非線性的，是隨機游走模型抑或非高斯分布的無記憶模型還是一個分形結構呢？只有把這些問題徹底搞明白了，才能更好的分析和預測市場、才能抓住市場的規(guī)律，才能更好的利用我國的資本市場。
　　中國的股票市場包含了2000多家上市公司，以及各種板塊、指數等，對每一個都進行分析是很難實現的。在實際的分析與研究中，一般會選擇上證指數和深證成指作為代表進行分

2、析，因為上證指數反映了上海證券交易所的整體走勢、深證成指反映了深圳證券交易所的整體走勢。本文將滬深300指數和上證指數、深證成指分別疊加分析，發(fā)現滬深300指數和上證指數、深證成指的走勢基本一致，可以說滬深300指數的走勢反映了中國股票市場的整體走勢，因此選用了滬深300指數來分析中國的股票市場。
　　在分析中國的股市是不是隨機游走時采用的是重標極差的分析方法，根據滬深300指數的Hurst指數和0.5的大小比較來進行確定。通過比

3、較發(fā)現滬深300指數的日線、周線和月線的Hurst指數均大于0.6，從而說明中國的股市不是隨機游走的，而是有記憶性的非線性結構，并且是一個分形結構。從而也說明中國股市的有效性不強。并根據重標極差分析可確定論文第四章較為合理的預測區(qū)間。
　　在預測滬深300指數的收盤價時，本文是結合技術分析，應用BP神經網絡進行預測，作為基本模型。在基本模型的基礎上，將預測結果和EMA均線進行線性加權得到改進模型。這兩個模型都可以跑贏大盤，改進模型

4、精度更高。對411天數據的預測中，最終實現正數中最大偏離誤差為4.69％，負數中最大偏離誤差為-3.73％，預測值偏離實際值的偏差的絕對值的平均值為1.13％。將前20天的預測結果和后20天的預測結果進行比較，發(fā)現對時間序列的學習樣本進行及時的數據更新有利于提高預測精度。
　　本文最終得出三大結論:一，基于BP神經網絡對滬深300指數的預測在一定程度上是可行的，可以跑贏大盤;二，選擇合適的預測區(qū)間是很重要的;三，中國的股票市場是一