基于PCA-BP模型的上证综指预测研究

论文摘要

作为一个高风险高收益的投资领域,股票市场行情的预测问题一直都是金融系统研究的热点问题。近些年来,投资者一直致力于寻找有效的预测股市行情的方法和工具,也揭示了一些股票市场内在的运行规律,但鉴于股价系统内部结构的复杂性和外部因素的多变性,现有的预测方法效果并不理想,人工神经网络的发展为解决这一难题提供了有效的途径。人工神经网络作为一种大规模并行处理的非线性系统,依据数据本身的内在联系建模,具有良好的自学习能力、较强的抗干扰能力,在股票价格的短期预测中已经取得了令人比较满意的效果,但也存在一些自身的弱点,本文总结前人的经验,提出了采用主成份分析法与神经网络相结合的方法构建模型,有效的解决了这一难题。首先,运用统计学主成份分析理论和人工神经网络相关知识,利用SPSS统计分析软件加以MATLAB语言的辅助,对影响上证综指的因素从外围股市到宏观环境、从基本面到技术面进行全方位的分析,得出影响上证综指走势的主要因素；然后,建立BP人工神经网络模型,利用所选取的样本集进行训练和检验,验证模型的精确度；最后,对模型的使用和修正提出一些自己的建议,使得模型能够更加的有效实用。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 问题的提出
• 1.2 研究的目的和意义
• 1.3 国内外研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 研究的思路和方法
• 1.4.1 研究思路
• 1.4.2 研究方法
• 1.5 论文的创新点
• 1.6 研究的基本内容与框架
• 第2章 主成分分析与神经网络相关理论
• 2.1 主成分分析
• 2.1.1 主成分分析原理
• 2.1.2 主成分分析计算步骤
• 2.2 BP神经网络
• 2.2.1 神经网络基本知识
• 2.2.2 BP网络的结构设计
• 2.2.3 BP网络的学习流程
• 第3章 上证综指的影响因素分析
• 3.1 宏观经济面
• 3.1.1 利率
• 3.1.2 货币供应量
• 3.1.3 居民消费价格指数
• 3.1.4 产业政策
• 3.2 基本面
• 3.2.1 平均市盈率
• 3.2.2 平均市净率
• 3.2.3 流通比例
• 3.3 技术面
• 3.3.1 股票价格
• 3.3.2 成交量
• 3.3.3 涨跌幅
• 3.4 国外股市影响
• 3.5 其他影响因素
• 3.5.1 政治因素
• 3.5.2 心理因素
• 第4章 PCA—BP模型的构建
• 4.1 样本和指标选取原则
• 4.2 主成分分析
• 4.3 样本集的确定
• 4.4 BP神经网络的MATLAB实现
• 4.4.1 BP神经网络的生成
• 4.4.2 数据的预处理和后处理
• 4.4.3 BP神经网络的训练
• 4.4.4 BP神经网络的仿真
• 4.4.5 BP神经网络的测试
• 第5章 基于PCA—BP模型的评价
• 5.1 模型的优点
• 5.2 模型的不足
• 第6章 结论
• 致谢
• 参考文献
• 附录
• 攻读硕士学位期间发表的论文及科研成果