基于GA-BP神经网络的多日股票价格预测

发布时间：2021-10-24 19:51

　　本文以预测多日股票价格为目标建立遗传算法优化BP神经网络模型（GA-BP神经网络模型）.BP神经网络能根据股票历史数据找出股票市场波动的内在规律来预测将来一段时间内的股票价格变化.但是在BP神经网络中权值的更新调整都与初始权值相关,初始权值取值不当可能会使网络陷入局部极小而导致预测精度不高.由于遗传算法是一种不容易陷入局部最优陷阱的启发式全局搜索算法,刚好能够弥补BP神经网络此方面的不足.故而利用遗传算法优化其初始权值和阈值能够提高BP神经网络预测精度.现有的对股价的预测的研究中,基本都是利用多天的数据来预测未来一天的价格,预测长度有限.而中国的证券市场实行的是T+1交易制度,即投资者买入股票后当天不能把股票卖出,至少要在买入股票后的下一个交易日才能卖出.对于大部分的投资者来说,仍然无法准确判断未来第二天的股票价格趋势,无法把握买入或者卖出的最佳时机,实际参考价值有限.本文在构建GA-BP神经网络模型时,将换手率作为一个预测股票价格的输入指标,利用多天的多个指标预测未来连续多日的股票价格.首先是将连续三天的开盘价、最高价、最低价、收盘价和换手率作为输入变量先利用遗传算法得到最优初始权值... 

【文章来源】：郑州大学河南省 211工程院校

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
引言
第一章 预备知识
    1.1 BP神经网络
    1.2 遗传算法
    1.3 遗传算法优化BP神经网络
    1.4 主成分分析
第二章 预测多日股票价格的GA-BP神经网络模型
    2.1 数据的选取与处理
    2.2 GA-BP网络的构建
    2.3 实验结果
第三章 GA-BP神经网络模型的投资效率分析
    3.1 模拟投资
    3.2 深证成指收益
    3.3 结果分析
第四章 基于主成分分析的GA-BP神经网络预测多日价格
    4.1 数据说明
    4.2 主成分分析
    4.3 构建GA-BP网络模型用于价格预测
    4.4 实验结果与投资效率分析
第五章 总结
参考文献
在学期间发表的学术论文
致谢


【参考文献】：
期刊论文
[1]基于遗传算法优化的BP神经网络在股指预测中的应用研究[J]. 黄宏运,朱家明,李诗争.  云南大学学报(自然科学版). 2017(03)
[2]基于自适应遗传算法优化的BP神经网络股票价格预测[J]. 郝继升,任浩然,井文红.  河南科学. 2017(02)
[3]基于多元线性回归分析的股价预测——以中信银行为例[J]. 陈璐璐.  经济研究导刊. 2016(19)
[4]基于BP神经网络与支持向量机的股票指数预测模型比较[J]. 彭望蜀.  南方金融. 2013(01)
[5]基于遗传BP网络的股市预测模型研究与仿真[J]. 邓凯,赵振勇.  计算机仿真. 2009(05)
[6]基于时间序列的支持向量机在股票预测中的应用[J]. 彭丽芳,孟志青,姜华,田密.  计算技术与自动化. 2006(03)
[7]基于支持向量机的股票预测[J]. 张晨希,张燕平,张迎春,陈洁,万忠.  计算机技术与发展. 2006(06)
[8]基于遗传算法BP神经网络优化证券组合投资[J]. 朱小梅,郭志钢,杨先凤.  江汉大学学报(自然科学版). 2005(03)
[9]基于决策树的股市数据挖掘与仿真[J]. 邹筱梅,姜山,唐贤瑛.  计算机仿真. 2004(03)
[10]1997年度诺贝尔经济学奖评介布莱克-斯科尔斯公式[J]. 彭实戈.  科学. 1998(02)

硕士论文
[1]神经网络与证券选择[D]. 张倩.郑州大学 2017
[2]基于遗传算法的BP神经网络的优化研究及MATLAB仿真[D]. 任谢楠.天津师范大学 2014
[3]神经网络技术在股票价格短期预测中的应用研究[D]. 闫冬.重庆交通大学 2013
[4]基于GA-BP神经网络的股票预测理论及应用[D]. 尹璐.华北电力大学（北京） 2010
[5]基于数据挖掘技术的股价预测实证分析[D]. 唐文慧.西南财经大学 2009
[6]基于时间序列分析的股票价格趋势预测研究[D]. 赵国顺.厦门大学 2009



本文编号：3455878