| 【中文题名】 | 基于模糊神经网络的股票价格预测研究 |
| 【英文题名】 | The Research of Neural Network Based on Fuzzy Parameters in Prediction of Stock Price |
| 【学科专业】 | 系统分析与集成 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-6-26 |
| 【中关键词】 | 前馈神经网络,预测,参数自适应BP算法,泛化能力,股票价格,模糊时间序列 |
| 【英关键词】 | Back-Propagation neural network,prediction,parameter adaptable BP algorithm,generalization ability,stock prices,fuzzy time series,subjection degree, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本文提出了一个面向股市预测的模糊神经网络系统，并针对系统性能的改善进行了深入研究。
在对前馈神经网络的训练中，使用参数自适应方法实现了学习率、惯性因子的自我调节，以避免系统误差陷入局部最小，加快网络的收敛速度；提出了优化BP网络结构的实验研究方法，并给出了有关隐含层数和节点数选择以及再学习策略引进的研究结果。将该算法同传统BP算法的预测偏差平方和进行比较，结果证实网络的逼近精度及泛化能力均得到了极大的提高和改善。
我们采用上述优化算法，对深市某股票价格进行了基于模糊参量的神经网络模拟。为全面反映股市的特点和规律，该模型采集2001年3月1日至2003年4月11日500组原始数据，综合运用基本因素法和技术分析法，详细分析了影响股价走势预测效果的一些因素，提取出一定周期的回归性技术参数，以模糊时间序列的形式描述股价的变化趋势，并对未来相应周期内该股票价格上升的隶属度进行预测，最后进行准确度判决。理论分析及实验结果表明，该方法对股票市场的短期预测是可行和有效的；只要预测模型选取适当，即可获得超过市场平均盈利水平的收益。 |
| 【论文题纲】 |
|
中文摘要 |
5-6 |
|
英文摘要 |
6-7 |
|
1 前言 |
7-11 |
|
1．1 神经网络的概念、发展和应用 |
7-8 |
|
1．2 几点启示——本文工作的背景 |
8-9 |
|
1．3 神经网络在股市分析中的应用概述 |
9 |
|
1．4 论文的内容及其安排 |
9-11 |
|
2 前馈网络的结构研究 |
11-14 |
|
2．1 前馈神经网络的定义及其函数逼近能力 |
11-12 |
|
2．2 多层前馈网络的结构设计 |
12-13 |
|
2．3 神经网络用于多变量时间序列预测 |
13-14 |
|
3 前向神经网络的学习算法及其改进 |
14-26 |
|
3．1 多层前馈神经网络的学习及算法 |
14-17 |
|
3．1．1 反向传播（back propagation）算法及推导 |
14-17 |
|
3．1．2 传统算法的局限性讨论 |
17 |
|
3．2 参数自适应的BP算法 |
17-22 |
|
3．2．1 问题的提出 |
17-18 |
|
3．2．2 参数自适应BP算法 |
18-21 |
|
3．2．3 参数自适应BP算法的分析与讨论 |
21-22 |
|
3．3 BP网络模型及其C++实现 |
22-26 |
|
4 网络的泛化能力研究 |
26-33 |
|
4．1 结构参数 |
26-28 |
|
4．2 样本的数量和质量 |
28 |
|
4．3 训练方法 |
28-30 |
|
4．4 有关的C++实现 |
30-33 |
|
5 面向应用的神经网络系统设计方法 |
33-37 |
|
5．1 股票市场的两种基本分析方法 |
33 |
|
5．2 人工神经网络在股市中的应用概述 |
33-34 |
|
5．3 面向应用目标的神经网络系统设计方法 |
34-37 |
|
5．3．1 评鉴确定问题 |
34-35 |
|
5．3．2 问题具体化 |
35 |
|
5．3．3 设计 |
35-36 |
|
5．3．4 实现、构造系统 |
36 |
|
5．3．5 评价调试系统 |
36 |
|
5．3．6 投入目标环境 |
36-37 |
|
6 多模混合神经网络系统 |
37-45 |
|
6．1 NN与FS的结合 |
37-38 |
|
6．2 模糊逻辑方法的引入 |
38-40 |
|
6．2．1 股市中的模糊时间序列 |
38-39 |
|
6．2．2 用隶属度描述股市中的模糊变量 |
39-40 |
|
6．3 预处理及样本的选定 |
40-43 |
|
6．3．1 基础因素分析和技术分析 |
40-43 |
|
6．3．2 输入输出及样本的确定 |
43 |
|
6．4 系统的结构 |
43-45 |
|
7 系统应用结果的分析 |
45-52 |
|
7．1 系统的应用 |
45 |
|
7．2 系统的分析 |
45-47 |
|
7．2．1 结构参数分析 |
45-46 |
|
7．2．2 算法参数分析 |
46-47 |
|
7．2．3 预测准确度判决的规则 |
47 |
|
7．3 应用结果分析和实用建议 |
47-52 |
|
7．3．1 预测结果 |
47-49 |
|
7．3．2 结果分析 |
49-50 |
|
7．3．3 进一步的工作 |
50-52 |
|
总结 |
52-53 |
|
参考文献 |
53-55 |
|
致谢 |
55 |
|
| 【DOI】 | LunWen.ID:2.2008.386741 |
