《林松-BP神经网络在股市预测中的研究 》

摘要：股市的分析预测自股市诞生以来就是永不停歇的话题.由于系统风险和非系统风险的存在,其预测存在着很大的困难,但是经过这么多年的发展,仍然诞生了许多用于股市分析预测的理论模型.而中国的股票市场则与国外金融市场有着较大的差异,一方面由于其发展短暂,另一方面,其本身所处环境具有特殊性和复杂性,因此国外的许多模型并不完全适用国内的股市.所以,对中国股市的预测存在着极大的麻烦.本文希望在当前大数据和人工智能的背景下以数据为完全信息通过人工神经网络模型来产生一个比较理想的拟合预测结果,我们使用了目前广泛 应用的BP模型来建模.在写作中,采用传统的时间序列分析模型和当下最具智能之称的人工神经网络模型对上证股市进行了模拟预测并比较二者性能;在人工神经网络拟合模型里,考虑了几个比较重要的模型结构因素和训练函数对模型的影响想要下载论文的读者朋友，请先付费获得积分。