基于動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)模型研究.pdf

1、隨著我國經(jīng)濟(jì)體制改革和金融體制改革的深入，證券投資已成為社會(huì)生活的一個(gè)重要組成部分，股票交易作為證券投資的一種，是現(xiàn)代經(jīng)濟(jì)生活中最常見的風(fēng)險(xiǎn)投資活動(dòng)。但股票市場(chǎng)是一個(gè)復(fù)雜的非線性動(dòng)力系統(tǒng)，利用傳統(tǒng)的時(shí)間序列預(yù)測(cè)技術(shù)存在一定的局限性，而近十幾年發(fā)展起來的神經(jīng)網(wǎng)絡(luò)理論逐漸成為非線性動(dòng)力系統(tǒng)預(yù)測(cè)與建模的強(qiáng)有力工具。 本文以股價(jià)預(yù)測(cè)為研究對(duì)象，分析了目前股價(jià)預(yù)測(cè)的四種主要方法，包括投資分析法、時(shí)間序列分析法、非線性系統(tǒng)分析法以及組合預(yù)測(cè)

2、法，并在人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的基礎(chǔ)上，提出了GA-Elman動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)股價(jià)預(yù)測(cè)模型，即借助遺傳算法來訓(xùn)練優(yōu)化網(wǎng)絡(luò)的初始權(quán)值。該模型的優(yōu)點(diǎn)是：保證了神經(jīng)網(wǎng)絡(luò)有良好的“記憶”功能的同時(shí)，使用遺傳算法全局變異算子避免了神經(jīng)網(wǎng)絡(luò)陷入局部最優(yōu)，并且由于其具有并行搜索的特性，保證了算法的快速、穩(wěn)定。 為了驗(yàn)證該模型的可行性和有效性，本文的實(shí)證研究主要分三個(gè)階段來逐層推進(jìn)：在研究的第一階段，選取了中國聯(lián)通和四川長虹兩支股票對(duì)該模型進(jìn)行檢驗(yàn)

3、，實(shí)證結(jié)果表明：該模型的一致率較高，在大多數(shù)情況下可以準(zhǔn)確預(yù)測(cè)股價(jià)走勢(shì)。在研究的第二階段，以上證收盤指數(shù)為預(yù)測(cè)對(duì)象，對(duì)GA-Elman動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)股價(jià)預(yù)測(cè)模型以及BP預(yù)測(cè)模型，RBF預(yù)測(cè)模型進(jìn)行了比較分析，實(shí)證結(jié)果表明：GA-Elman動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)股價(jià)預(yù)測(cè)模型的預(yù)測(cè)效果明顯優(yōu)于其它兩種靜態(tài)神經(jīng)網(wǎng)絡(luò)模型。在研究的第三階段，同樣以上證收盤指數(shù)為預(yù)測(cè)對(duì)象，對(duì)GA-Elman動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)股價(jià)預(yù)測(cè)模型與傳統(tǒng)的時(shí)間序列模型進(jìn)行了比較分析，并對(duì)兩種預(yù)