基于前向神經(jīng)網(wǎng)絡(luò)和Matlab的Stock Analysis設(shè)計(jì)與實(shí)現(xiàn).pdf

1、針對(duì)股市預(yù)測(cè)存在的問題，如：股市具有非線性特性、股價(jià)數(shù)據(jù)具有高噪聲特性等，本文通過研究神經(jīng)網(wǎng)絡(luò)在股市預(yù)測(cè)中的應(yīng)用，來尋求神經(jīng)網(wǎng)絡(luò)與股市預(yù)測(cè)的結(jié)合點(diǎn)。 神經(jīng)網(wǎng)絡(luò)自開創(chuàng)以來一直深受各國(guó)專家學(xué)者的重視，日漸成為一種重要的處理非線性問題的工具，被廣泛應(yīng)用于各種領(lǐng)域并取得了輝煌的成就。將神經(jīng)網(wǎng)絡(luò)用于股市預(yù)測(cè)是神經(jīng)網(wǎng)絡(luò)的一個(gè)重要應(yīng)用領(lǐng)域，經(jīng)典的預(yù)測(cè)方法用于非線性系統(tǒng)的股市預(yù)測(cè)有一定困難，而神經(jīng)網(wǎng)絡(luò)具有優(yōu)良的非線性特性，特別適用于高度非線性系

2、統(tǒng)的處理，因此基于神經(jīng)網(wǎng)絡(luò)的智能預(yù)測(cè)是解決非線性股市預(yù)測(cè)問題的有效方法。 本文首先介紹了現(xiàn)有的各種股市預(yù)測(cè)方法以及神經(jīng)網(wǎng)絡(luò)的發(fā)展過程，深入地分析了前向網(wǎng)絡(luò)的結(jié)構(gòu)、學(xué)習(xí)能力及算法，提出了利用前向神經(jīng)網(wǎng)絡(luò)中最具代表性的BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)預(yù)測(cè)股市的方法，并深入分析了BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)的結(jié)構(gòu)及算法，討論了各自的改進(jìn)算法。給出了利用前向神經(jīng)網(wǎng)絡(luò)建立股市預(yù)測(cè)模型的具體步驟，并且在對(duì)利用前向神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股市時(shí)所遇到的問題進(jìn)行分析的基礎(chǔ)上，

3、提出了具體的解決辦法。 然后在Windows 2000的操作平臺(tái)上，前臺(tái)使用Visual C++和MATLAB混合編程，后臺(tái)使用SQL Server2000關(guān)系型數(shù)據(jù)庫(kù)，對(duì)基于前向神經(jīng)網(wǎng)絡(luò)的股票預(yù)測(cè)系統(tǒng)進(jìn)行了具體的設(shè)計(jì)與實(shí)現(xiàn)。 最后分別使用BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)對(duì)深滬股市不同股票進(jìn)行了預(yù)測(cè)，數(shù)值試驗(yàn)的結(jié)果表明，預(yù)測(cè)值與實(shí)際值基本吻合，RBF網(wǎng)絡(luò)的預(yù)測(cè)效果要好于BP神經(jīng)網(wǎng)絡(luò)，選擇合適的輸入量組合及回溯期，可較大程度的提高神經(jīng)