基于主成分分析與神經(jīng)網(wǎng)絡(luò)的股票價(jià)格預(yù)測(cè).pdf

1、股市是市場(chǎng)經(jīng)濟(jì)的必然產(chǎn)物，在一個(gè)國(guó)家的金融領(lǐng)域有著舉足輕重的地位。隨著證券市場(chǎng)的逐步規(guī)范，人們的投資理念不斷提高，股票投資已成為眾多家庭及個(gè)人理財(cái)?shù)囊环N重要方式。然而，股票市場(chǎng)具有高風(fēng)險(xiǎn)與高收益并存的特性，研究股票價(jià)格的運(yùn)行規(guī)律對(duì)于理性投資具有重要的作用。
　　進(jìn)行股票價(jià)格預(yù)測(cè)，首先必須承認(rèn)股票市場(chǎng)的運(yùn)行存在相對(duì)穩(wěn)定的規(guī)律。這些規(guī)律全都隱藏在股票價(jià)格運(yùn)行的歷史數(shù)據(jù)中。從數(shù)學(xué)的角度講，這種規(guī)律表現(xiàn)為一種復(fù)雜的函數(shù)關(guān)系。預(yù)測(cè)的目的就是

2、要找出這種規(guī)律，從而利用這種規(guī)律獲得對(duì)股票價(jià)格未來(lái)的發(fā)展的預(yù)先把握。由于神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的函數(shù)逼近能力，能夠在訓(xùn)練的過(guò)程中學(xué)習(xí)到隱含在樣本中的信息，并且將其記錄在網(wǎng)絡(luò)的權(quán)值和閾值中。因此人工神經(jīng)網(wǎng)絡(luò)用于股價(jià)預(yù)測(cè)將會(huì)有很大優(yōu)勢(shì)。
　　股價(jià)預(yù)測(cè)要求神經(jīng)網(wǎng)絡(luò)有較好的泛化能力。網(wǎng)絡(luò)泛化性能的好壞取決于人工神經(jīng)網(wǎng)絡(luò)是否從訓(xùn)練樣本中找到隱含的真正規(guī)律。從BP神經(jīng)網(wǎng)絡(luò)運(yùn)行機(jī)制的分析可以看出，神經(jīng)網(wǎng)絡(luò)的泛化性能主要受兩個(gè)方面因素的影響。第一，訓(xùn)練

3、樣本的影響，包括樣本的質(zhì)量、數(shù)量和代表性。第二，網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性。
　　本文在分析考察傳統(tǒng)預(yù)測(cè)分析方法的基礎(chǔ)上，針對(duì)影響網(wǎng)絡(luò)泛化性能的兩個(gè)因素提出一個(gè)由BP神經(jīng)網(wǎng)絡(luò)和主成分分析方法相結(jié)合的預(yù)測(cè)方法，并對(duì)該方法泛化性能的改善和提高進(jìn)行了深入研究。將主成分分析法引入股價(jià)預(yù)測(cè)，應(yīng)用SPSS對(duì)原始輸入變量進(jìn)行預(yù)處理，并用選擇的主成分代替原始輸入變量作為神經(jīng)網(wǎng)絡(luò)模型新的輸入變量。經(jīng)過(guò)這樣的處理后，一方面能夠減少輸入變量的維度，并消除了各輸入