《石茜子-基于BP神经网络的股价预测模型应用分析 》

摘要：
作为金融业不可或缺的一部分，股票投资在人们的生活中呈现愈来愈
重要的态势。股价的波动直接影响着股市的稳定以及金融市场与国民经济
的健康发展。成功的股价和趋势预测有助于投资者获利，也有助于政府部
门提供及时合理的市场指导与监管。因此，如何预测股票市场是金融界存
在的一个重要而有价值的课题。
神经网络模拟人体神经元功能，可以从股市中提取历史数据和相关信
息来推断股价未来发展趋势，具有较强的自组织与自适应的能力。因此，
神经网络适合于处理具有非线性时间序列特征的股价预测问题。
本文提出了一种基于BP神经网络针对股价预测问题的综合模型。从影
响股价的市场面因素中讨论并确定了21个针对股价预测的评价指标，通过
主成分分析方法降维至6个输入变量；同时通过思维进化算法优化网络初
始连接权值和阈值；探讨了网络的拓扑结构、隐含层节点个数、学习率、
激活函数和训练函数、样本数据的选取和预处理等问题；最后建立对比模
型并通过多次运行，得到综合模型拥有最高的预测精度和稳定性。理论分
析和实验结果表明，本文建立的基于BP神经网络的股价预测综合模型是可
行且有效的，有着良好的应用前景。想要下载论文的读者朋友，请先付费获得积分。