基于神经网络和遗传算法的证券预测技术的研究

论文摘要

预测是科学管理的重要环节,是决策、规划的前提,在社会经济管理中,经常要对某一事物或系统的发展趋势进行预测和分析。而股票市场是经济的报警器,其作用不仅被政府所重视,而且受到投资大众的普遍关注。起源于上世纪四十年代的人工神经网络是人工智能的一个分支,它在很多领域得到了广泛的应用。神经网络能学习贮存以往的历史经验知识,并能外推到未来,这是神经网络用于预测领域的理论依据。对于时间序列的股市预测,神经网络比其他数学模型更有效,而且精确度更高。遗传算法具有强大的搜索能力,因此可以用来解决很多常规方法无法解决的问题。遗传算法与神经网络结合后,使得神经网络的结构参数等达到最优,大大地增强了神经网络的性能,使智能计算得到了突飞猛进的发展。因此对遗传算法和神经网络的研究具有很重要的意义。本文基于股票市场高度非线性的特点,从遗传算法和神经网络的基本理论入手,提出了一种GA-BP算法,来解决基本BP算法在权值调整过程中存在的收敛速度慢、易陷入局部极小点的不足。GA-BP算法具有遗传算法全局搜索的特点,注重搜索未知区域,同时也具有神经网络处理速度快、精度较高的特点。理论分析和实验结果表明,神经网络用于股票市场的预测是可行和有效的,有着良好的前景,而GA-BP算法进一步提高了运行的速度和可靠性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景
• 1.2 研究目的及意义
• 1.3 国内外相关理论的发展现状
• 1.4 论文的主要内容及创新点
• 1.4.1 主要内容
• 1.4.2 创新点
• 第2章 基于神经网络的证券预测技术的研究
• 2.1 BP神经网络概述
• 2.2 股市预测技术
• 2.2.1 股市预测的传统方法
• 2.2.2 神经网络预测方法与传统预测方法的比较
• 2.3 基于BP算法的证券预测技术的性能分析
• 2.3.1 BP算法的Matlab实现
• 2.3.2 基于BP算法的证券预测技术的性能分析
• 2.4 BP算法的改进措施
• 2.4.1 已有的BP算法的改进措施及方法
• 2.4.2 适用于证券预测技术的改进的BP算法
• 2.5 本章小结
• 第3章 基于证券预测的数据预处理技术研究
• 3.1 引言
• 3.2 网络训练样本集的准备
• 3.3 数据预处理的方法
• 3.3.1 常见的数据预处理方法
• 3.3.2 证券预测中数据预处理的新方法
• 3.4 数据预处理仿真试验
• 3.4.1 数据归一化
• 3.4.2 数据自身乘方变换后归一化
• 3.5 本章小结
• 第4章 基于GA-BP算法证券预测模型的研究
• 4.1 遗传算法概述
• 4.2 遗传算法的优点
• 4.3 基于GA-BP算法证券预测模型的研究
• 4.3.1 遗传算法优化神经网络结构的算法
• 4.3.2 遗传算法优化神经网络权值的算法
• 4.4 本章小结
• 第5章 基于GA-BP算法证券预测技术的测试
• 5.1 引言
• 5.2 GA-BP算法确定网络结构
• 5.3 GA-BP算法优化网络权值
• 5.4 GA-BP算法优化网络权值的仿真试验
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历
• 附录A
• 附录B