BP算法改進(jìn)及遺傳算法在股票價格預(yù)測中的應(yīng)用.pdf

1、本文在對股票投資的各項指標(biāo)進(jìn)行分析論述的基礎(chǔ)上，通過運用3層LMBP(Levenberg-Marquardt Back Propagation)神經(jīng)網(wǎng)絡(luò)模型和GA-LMBP(遺傳算法優(yōu)化LMBP神經(jīng)網(wǎng)絡(luò))實現(xiàn)計算機(jī)仿真建模，該方法具有快速收斂、較好的泛化能力，期望本系統(tǒng)能輔助投資者投資決策。為了提高預(yù)測精度，利用遺傳算法優(yōu)化LMBP的初始權(quán)值和閥值，通過對歷史樣本數(shù)據(jù)進(jìn)行學(xué)習(xí)，確定網(wǎng)絡(luò)結(jié)構(gòu)。采用不同的網(wǎng)絡(luò)性能函數(shù)代替?zhèn)鹘y(tǒng)的誤差平方和，并

2、得到較好的效果。 選取數(shù)據(jù)時間主要在2000-2005年的股市數(shù)據(jù)，并進(jìn)行對比，篩選，得到較為理想得原始數(shù)據(jù)。由于原始數(shù)據(jù)在數(shù)值上有量綱得差別，為了避開原是數(shù)據(jù)各項指標(biāo)得影響作用不同，進(jìn)行了較為合理得規(guī)范化處理，將原始數(shù)據(jù)歸一化。運用LMBP和優(yōu)化后的LMBP算法對上證指數(shù)、上海板塊25支股票收盤預(yù)測和上證A股的四支股票進(jìn)行漲跌預(yù)報，對他們的預(yù)測結(jié)果進(jìn)行比較分析和說明。鑒于大多數(shù)學(xué)者主要對股票中長期預(yù)測，而本文側(cè)重評價股票市場交