《面向股票价格预测的神经网络建模与分析》

摘要： 通过对股票价格可预测性的分析，本文提出利用BP神经网络方法预测中信证券和中国 人寿两只股票在一段时间内的股价走势。 在分析股市价格波动方面，传统的BP神经网络存在收敛速度慢，训练结果容易陷入局 部极小值，从而导致训练不成功，预测精度低等问题，本文在经典算法的基础上加入动量项 并结合变步长的优化算法进行了改进，并与传统算法在相同样本以及参数下，进行实验对比， 验证本文所提优化的自适应算法训练效果更好。 传统的单隐层BP神经网络理论上可以逼近任何函数，然而实际并非如此，因为如果在 具体预测问题中没有使用恰当参数，极有可能导致预测误差巨大，甚至预测失败等问题。所 以本文对隐层节点数，激励函数类型都做了大量的对比实验，从而确定选择隐层节点个数和 激励函数类型。 价值指标体现了上市公司的经营状况，技术指标总结了股市涨跌情况，通过价值指标能 够预测企业未来发展趋势，而分析技术指标能够预测股价未来走势。考虑到这两种指标均能 直接或者间接反映股市信息，因此本文决定结合两种指标作为模型的输入变量，并在第四章 中对各类指标作了详细介绍与分析。综合所有指标反映的股市信息，最终选择3个价值指标 和7个技术指标作为输入变量进行建模预测，同时与只选用7个技术指标作为模型输入变量 的预测结果进行对比。结果显示结合式指标作为输入变量预测效果更佳。 本文通过对比实验确定了15天的指标值作为模型输入变量，预测两只股票后1天以及 30天的收盘价格，并对预测结果进行了分析。想要下载论文的读者朋友，请先付费获得积分。