《基于小波分析的神经网络股票预测研究》

摘要：
随着中国经济的快速发展，我国的证券市场也在日益成长，股市的高收益正在吸引着越来越多的投资者的进场，但高风险也随之而来，如何正确地预测股票
市场的运行态势，为国家宏观经济调控提供科学依据，使投资者在承受较小风险
的情况下获得较大收益已经成为国内外业界研究的热门课题。
股票市场是一个非常繁杂的非线性动态系统，传统的时间序列预测方法往往
无法揭示其内在规律，预测效果也很难有所突破。为此本文选择了具备良好非线
性拟合效果的神经网络研究模型，并结合小波分析理论，建立了基于小波分析的
动态神经网络预测模型，选择沪深300指数股的部分收盘价进行建模预测。论文
主要研究内容如下：
首先引入了小波分析，通过小波的分解与重构，将原始时间序列分解到不同
的尺度上；然后根据不同尺度序列的特点，分别建模；并且在小波分析的过程中，
对小波基函数的选择和分解尺度的确定进行详细的分析研究，为后续工作提供保
障。
经过小波分析，产生出一个低频序列和若干个高频序列，通过对历史数据具
有敏感性的低频序列采用Elman动态神经网络进行建模分析，而对具有随机特
性的高频序列采用传统BP神经网络进行建模分析后，整合各层分析数据并得出
最终的预测结果。
在神经网络建模分析的过程中，为了提高网络的训练效率以及避免陷入局部
最小值，本文采用了附加动量法和具有自适应速率调节的梯度下降法对神经网络
的传统学习算法存在的网络收敛慢、易陷入局部极小的局限性进行了改进，实验
对比过程表明，改进的神经网络学习算法在训练效果和学习速度上都有明显提高。
最后，将作者提出的基于小波分析的动态神经网络模型与小波分析下的静态
神经网络以及传统BP网络这两种预测模型的预测效果进行多角度对比分析，结
果表明，这个模型不仅是有效的、可行的，而且在预测精度和训练速率等方面都
明显优于其他两种模型。想要下载论文的读者朋友，请先付费获得积分。