《基于自适应遗传算法优化的BP神经网络股价预测模型 》

摘要：随着国民经济的发展,投资理财已成为常态,股票投资顺势成为许多人的选择,其中股票价格预测成为投资者最关心的问题.股票市场中各种因素错综复杂,主次关系变化不定,股票价格不仅受买卖双方的影响,也与国内外政策,投
资者的主观意识等因素有直接关系.所以股票价格具有随机性较强的特点,因此研究一种正确率较高的股票价格预测模型具有十分重要的现实意义.本文采用BP神经网络与遗传算法结合的方法对股票价格预测进行研究.针对BP神经网络初始权
值随机,遗传算法易陷入局部最优解等问题,给出了一种基于自适应遗传算法优化的BP神经网络股价预测模型,通过自适应遗传算法对BP神经网络的初始权值进行优化,使用BP神经网络对股票价格进行预测分析.由于是股票价格波动千差万别,
采用单一的BP神经网络在股票价格波动较大的情况下无法获得较高的预测精度,因此本文还给出了一种基于自适应遗传算法优化的组合神经网络股价预测模型,来提高模型收敛速度与预测精度.最后通过MATLAB编程实现了本文所给出的股价预测模型,并使用真实的股票数据进行股价预测,通过仿真分析可知,本文所给出的预测模型具有较高的预测精度.想要下载论文的读者朋友，请先付费获得积分。