基于窗口能量計算的神經(jīng)網(wǎng)絡股市趨勢預測算法研究.pdf_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、股票市場是企業(yè)融資和股民投資的重要手段,股市預測研究對投資者、企業(yè)、政府政策制定都具有重大的理論與現(xiàn)實意義。相較于單日預測,短線趨勢的預測尤其是短線趨勢拐點的預測無論是對于短線投資者還是中長線投資者都具有很大的操作指導意義。但由于技術(shù)指標存在滯后性,收盤價時間序列又往往側(cè)重于趨勢的延續(xù)性,使得傳統(tǒng)的股價態(tài)勢預測模型對于趨勢拐點的預測缺乏可解釋性及預測效果不佳。論文從K線組合、均線組合和量價組合出發(fā)研究水平與非水平趨勢下的窗口能量進而預測

2、大盤短期趨勢,具體研究工作如下:
  水平趨勢持續(xù)時間短,方向變化的不確定性大,水平狀態(tài)下趨勢預測成為股市趨勢預測的難點?;谒酱翱诘哪芰坑嬎悖岢鲆环N水平窗口趨勢預測的BP神經(jīng)網(wǎng)絡算法(WE-BPNN)。算法首先給出短線趨勢劃分標準,在此基礎上引入水平窗口定義;然后,通過對K線組合能量和均線組合能量進行量化計算,融合這兩種能量得到窗口能量;最后,將窗口能量引入到BP神經(jīng)網(wǎng)絡預測窗口方向。由于能量對于趨勢的作用具有滯后性,存在能

3、量蓄而不發(fā)的情況,會影響到趨勢判斷的準確性,因而在WE-BPNN算法的基礎上給出引入能量調(diào)節(jié)因子的BP神經(jīng)網(wǎng)絡(EF-BPNN)算法,動態(tài)調(diào)整窗口能量因子對于趨勢預測的影響權(quán)重。在上證數(shù)據(jù)上的實驗結(jié)果表明,EF-BPNN算法具有更好的性能。
  EF-BPNN算法對于趨勢持續(xù)性強的牛市、熊市指導意義非常大,然而對于震蕩市,即趨勢持續(xù)性較差的時候,對非水平趨勢的持續(xù)性預測顯得更為重要?;诜撬节厔葜泄蓛r的量價背離、阻力位等現(xiàn)象,提

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論