| 【中文题名】 | 人工神经网络在股票预测中的应用与研究 |
| 【英文题名】 | |
| 【学科专业】 | 计算机软件与理论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-5 |
| 【中关键词】 | 模拟退火,神经网络,BP算法,股票预测,, |
| 【英关键词】 | Simulated annealing algorithm,Neural network,BP algorithm,Stock forecast, |
| 【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】 |
股票市场与经济活动密不可分，它不仅是宏观经济的晴雨表，也是分析微观经济的重要指标。十多年来，我国已有股民数千万，股票己经深入到日常经济生活中的方方面面。因为巨大的经济利益，分析股票内在的规律性一直是研究的热点，股票预测的理论和方法也因此层出不穷。这些预测方法都在一定程度上揭示了股市的运行规律。但是股价系统内部结构的复杂性和外部因素的多变性决定了股市预测的艰巨性，现有的分析预测方法应用效果并不理想。
股票价格运动是随机性与规律性的辩证统一，从局部和短期而言表现为较强的随机特征，而从全局和长期而言表现为较强的规律性。在无噪声影响的情况下，股票价格走势完全可以模仿和学习，其走势实质是一种复杂时序函数。人工神经网络可以通过调节连接权值以任意精度逼近任何连续函数，因此也可以逼近股票价格随时间变换的这种函数。
本文详细推导了BP算法，就BP神经网络应用设计中的网络隐层数、神经元个数、训练算法等具体设计问题进行了分析和改进。针对BP算法训练速度慢的缺点，提出了自适应步长的改进型BP算法，提高收敛速度。另外，由于传统的BP神经网络容易陷入局部极小值，本文利用模拟退火算法局部搜索全局最优的特点，提出了... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-6 |
|
目录 |
6-9 |
|
第一章 绪论 |
9-13 |
|
1.1 选题意义 |
9-10 |
|
1.2 国内外研究现状 |
10-11 |
|
1.3 本文工作及章节安排 |
11-12 |
|
1.4 本章小结 |
12-13 |
|
第二章 股票及其预测方法 |
13-18 |
|
2.1 股票及其性质 |
13-15 |
|
2.2 影响股票价格的因素 |
15 |
|
2.3 股票预测的理论前提 |
15-16 |
|
2.4 常见的股票预测的方法 |
16-17 |
|
2.5 本章小结 |
17-18 |
|
第三章 神经网络理论 |
18-32 |
|
3.1 神经网络概述 |
18-22 |
|
3.1.1 生物神经网络 |
18-19 |
|
3.1.2 人工神经网络的概念和特点 |
19-20 |
|
3.1.3 人工神经网络工作原理 |
20-22 |
|
3.2 BP神经网络及其算法 |
22-30 |
|
3.2.1 BP网络结构 |
22-23 |
|
3.2.2 BP网络学习公式推导 |
23-28 |
|
3.2.3 BP算法描述 |
28-30 |
|
3.3 BP神经网络的优缺点 |
30-31 |
|
3.3.1 BP神经网络的主要优点 |
30 |
|
3.3.2 BP神经网络的主要缺点 |
30-31 |
|
3.4 本章小结 |
31-32 |
|
第四章 模拟退火算法 |
32-41 |
|
4.1 模拟退火算法的物理基础 |
32-34 |
|
4.1.1 物理系统退火过程 |
32-33 |
|
4.1.2 Metropolis准则 |
33-34 |
|
4.2 模拟退火算法的提出 |
34-37 |
|
4.2.1 算法的描述 |
34-35 |
|
4.2.2 模拟退火算法步骤 |
35-37 |
|
4.3 模拟退火算法中关键参数和操作的设计 |
37-40 |
|
4.3.1 状态产生函数 |
37 |
|
4.3.2 状态接受函数 |
37-38 |
|
4.3.3 起始温度的选取 |
38-39 |
|
4.3.4 温度更新函数的确定 |
39 |
|
4.3.5 内循环终止准则 |
39 |
|
4.3.6 算法的中止准则 |
39-40 |
|
4.4 本章小结 |
40-41 |
|
第五章 基于 BP 算法与模拟退火算法的股票预测系统 |
41-58 |
|
5.1 基于 BP 算法和模拟退火算法的混合算法 |
41-46 |
|
5.1.1 混合算法的提出 |
42-43 |
|
5.1.2 自适应步长的BP算法 |
43 |
|
5.1.3 本论文设计的混合学习算法 |
43-46 |
|
5.2 预测前输入样本的预处理 |
46-48 |
|
5.2.1 数据选取 |
46 |
|
5.2.2 数据的归一化处理 |
46-48 |
|
5.3 预测方法的选择 |
48-49 |
|
5.4 股票预测系统的设计与实现 |
49-57 |
|
5.4.1 预测依据的选择 |
49-50 |
|
5.4.2 神经网络的结构设计和参数初始值确定 |
50-54 |
|
5.4.3 股票预测系统的实现 |
54-57 |
|
5.5 本章小结 |
57-58 |
|
第六章 股票预测系统的应用分析 |
58-63 |
|
6.1 股票预测系统的运用 |
58-61 |
|
6.2 结果分析 |
61 |
|
6.3 进一步的工作 |
61-62 |
|
6.4 本章小结 |
62-63 |
|
结束语 |
63-64 |
|
致谢 |
64-65 |
|
参考文献 |
65-68 |
|
附录A 硕士期间发表的论文 |
68-69 |
|
附录B 基于BP算法和模拟退火算法的混合训练算法核心代码 |
69-81 |
|
| 【DOI】 | LunWen.ID:2.2008.388596 |
