基于人工神经网络的股市预测模型

基于人工神经网络的股市预测模型

ID:33296323

大小:116.56 KB

页数:3页

时间:2019-02-23

基于人工神经网络的股市预测模型_第1页
基于人工神经网络的股市预测模型_第2页
基于人工神经网络的股市预测模型_第3页
资源描述:

《基于人工神经网络的股市预测模型》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、维普资讯http://www.cqvip.com第2o卷第4期吉林大学学报(信息科学版)V01.2ONO.42002年ii月0URNALOFJILINUNIVERSITY(INFORMATIONSCIENCEEDITION)NOV.2002文章编号:1671-5896(2002)04—0068—03基于人工神经网络的股市预测模型孙丹,张秀艳(1.天津商学院信息学院,天津300122;2.吉林大学商学院.吉林长春130012)摘要:建立了构成基于人工神经网络的3种股市预测模型(基本数据模型、技术指标模型和宏观

2、分析模型),分析了神经网络应用于股市预测的实效性。实证分析表明,3种模型对上证综合指数的拟合效果均较好。在“基本数据模型”中,建立带有附加动量项和自适应学习速率的BP网络,具有较快的运算速度和逼近性能。在“技术指标模型”中,通过一些股市重要技术指标的引入,使其增加了反映市场各方面深层内涵的信息,而且网络的泛化能力有所提高。在“宏观分析模型”中,引入了影响股市的5项主要宏观经济指标,使模型包含了宏观经济基本面的更多信息,强化了股市神经网络模型的应用价值。关键词:人工神经网络;股市;预测中图分类号:TP183文

3、献标识码:A股票市场预测是一个非线性函数值估计和外推问题。应用传统的统计方法(如指数平滑方法、ARMA模型、MTV模型等),可以预测一段时间内股指变化的大致走势,但传统方法需要事先知道各种参数,以及这些参数在什么情况下应做怎样的修正。相比之下,神经网络依据数据本身的内在联系建模。具有良好的自组织、自适应性,有很强的学习能力、抗干扰能力Ll]。它能自动从历史数据中提取有关经济活动中的知识。可以克服传统定量预测方法的许多局限以及面临的困难,同时也能避免许多人为因素的影响,因而为股票市场的建模与预测提供了新的方法

4、口~1¨。本文建立了“基本数据模型”、“技术指标模型”和“宏观分析模型”,构成基于人工神经网络的股市预测模型,分析了神经网络应用于股市预测的实效性。1基本数据模型选取2000年8月23日至2001年6月28日的沪市上证综合指数作为原始数据(时间序列),采用滑动窗技术,实现通过序列的前3个时刻的值预测后1个时刻的值(见图1,图中实线为实际值,虚线为预测值)。为了’满足网络输入输出对数据的要求,在学习之前首先对数据按下式进行归一化处理●一min(.r).,Ⅱ,—max(x)-min(x)一l’z’⋯’取网络输入

5、节点个数为户一3,输出节点个数为t一1,即用沪市上证综合指数的前天、昨天和今天的收盘价,预测明天的收盘价。建立3层带有附加动量项和自适应学习时间t/d图1学习和预测后的拟合曲线速率的BP网络,经过10次试验对比分析,Fig.1Fittingcurvesafterlearningandpredicting设定输入节点为3个,输出为1个节点,隐收稿日期:2002—06—19作者简介:孙丹(1963~).男,黑龙江哈尔滨人.天津商学院讲师,主要从事计算机在商业管理中的应用研究;张秀艳(1969⋯)女,吉林双辽人.

6、吉林大学讲师.经济学博士.主要从事数量经济学、管理科学与工程研究,Email:zhang0081一cn@sinatom。维普资讯http://www.cqvip.com第4期孙丹,等:基于人工神经网络的股市预测模型69含层为5个节点。训练样本为1OO个,测试样本为100个。误差精度设为0.01(误差平方和),初始学习速率为0.01,最大迭代次数设为5000。结论:学习训练至5000次后的平均最小误差为0.00210,预测误差为0.00308。对上证综合指数的拟合效果较好(见图1)。带有附加动量项和自适应学习

7、速率的BP网络,具有较快的运算速度和逼近性能,同时可以克服陷入局部极小值。由此可见,人工神经网络在处理诸如股票数据这种非线性时间序列的预测方面,具有很好的学习、映射和泛化能力和应用价值。2技术指标模型技术指标是按照事先定好的固定方法对证券市场的原始数据(开盘价、最高价、最低价、收盘价、成交量和成交金额,简称4价2量)进行处理,处理后的结果是某个具体的数字,即技术指标值。对技术指标可以进行定量分析,使得具体操作的精度大大提高。在本文所建立的技术指标模型中,考虑到指标对股市预测的重要性和指标间的独立性及中国证券

8、市场的广泛使用程度,分别引用移动平均线MA(5)、随机指标K、相对强弱指标RSI、乖离率BIAS、人气指标AR、能量潮OBV、心理线PSY及前日收盘价、昨日收盘价和今日收盘价。仍然建立3层带有附加动量项和自适应学习速率的BP网络,输入节点为10个(分别是MA(5)、随机指标K、相对强弱指标RSI、乖离率BIAS、人气指标AR、能量潮OBV、心理线PSY及前日收盘价、昨日收盘价和今日收盘价),输出为1个节点(明日收

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。