基于神经网络与主成分分析的组合预测研究

发布时间：2024-04-13 03:00

　　股票市场是与人们的生活、社会稳定和经济发展密切相关的金融市场，如何有效地分析和预测股市走势一直是人们关注研究的问题，现在已经提出了很多理论方法和技术。在这些方法中，人工神经网络由于其独特的结构和处理信息的方法，高度并行、分布式存储等特点，特别适合于处理不确定的模糊信息和要同时考虑许多因素条件的问题，因此在股市分析中越来越受到人们的重视。 但是，对于复杂问题和高维输入变量，直接用神经网络进行预测，会带来网络规模的剧增，运算时间的增加，网络的收敛性和泛化能力的降低；另一方面，由于预测因子之间的相关性，导致输入信息重叠，也使得模型预报的准确率降低，因此，应对此类样本和众多的预报因子进行必要的处理。 本文针对股市中收盘价的预测问题，首先用SOM神经网络对具有分散特性的样本进行分类，对于分类后的各个子类，分别建立与之对应的BP神经网络预测模型；为了进一步提高预测精度和网络训练的效率，对众多的预报因子采用主成分分析的方法进行降维处理。在实际预测时，要对实时数据进行判别分类，选择对应的模型进行预测输出。这样，将SOM神经网络、主成分分析、BP神经网络有机地结合起来，构建了股市收盘价的实时组合预测模型...

【文章页数】：48 页

【学位级别】：硕士

【部分图文】：

图7第1类网络对前120组收盘价的仿真情况

10D120图7第1类网络对前120组收盘价的仿真情况图7给出了BP神经网络的120组训练样本对应收盘价的真实值与网络仿真值逼近程度。基本上拟合比较好。

本文编号：3952377