登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 毕业论文 > 理工学类 > 统计学 > 正文

基于神经网络的股票市场预测研究毕业论文

 2021-11-06 08:11  

摘 要

股票市场预测是非常复杂的,但是与其他方法相比,神经网络对于股票市场的预测效果较好,这是因为神经网络的拟合能力较好。

本文不仅分析了股票在短时间内预测的劣势,股票市场的价格受许多因素的影响,所以建立的模型必须具有较强的预测能力。有关股票价格尤其是开盘价和收盘价是股票购买者重点关心的因素,因此应该将大多数基于股票的数据推导出来,并加入到构建的模型当中。

国内一些股票预测人员对市场的预测大多利用BP神经网络和一些其他的方法,LSTM在中国的股市研究当中是比较少的,主要被引用于其他方面,没有被应用到股票市场研究当中。本文主要利用BP神经网络对股票市场进行预测。同时还对原始BP神经网络进行了优化,使用了回归模型对股票市场进行预测,并比较了它们的优劣性,结果发现BP神经网络对股市的预测效果更好。

关键词:股市预测,神经网络,回归模型

Abstract

The prediction of stock market is very complex, but compared with other methods, neural network has better prediction effect on stock market, because of its better fitting ability.

This paper not only analyzes the disadvantages of stock forecasting in a short period of time, but also the influence of many factors on the price of stock market. The stock price, especially the opening price and closing price, are the key factors concerned by stock buyers. Therefore, most data based on stock should be derived and added to the model.

Some stock forecasters mostly use BP neural network and some other methods to predict the market. LSTM is relatively few in China's stock market research, mainly cited in other aspects, not applied to the stock market research. This paper mainly uses BP neural network to forecast the stock market[1]. At the same time, in order to test the prediction effect of BP neural network, the regression model is used to predict the stock market, and their advantages and disadvantages are compared. The result shows that the prediction effect of BP neural network on the stock market is better[2].

Key Words: Stock market forecast, neural network, regression model

目录

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 2

第2章 股票与神经网络概述 5

2.1股票预测背景知识 5

2.1.1股票的基本特征 5

2.1.2股票预测的评价指标. 6

2.1.3股票预测的主要方法 6

2.2神经网络 6

2.2.1神经网络简介 6

2.2.2经典网络机制模型 7

第3章BP神经网络模型 8

3.1股票数据简介 8

3.2股票数据预处理 8

3.3 BP神经网络的构建 8

3.3.1 神经网络的算法流程 9

3.4实验结果及分析 11

3.5 本章小结 13

第四章 改进的BP网络对石油股票的研究 14

4.1 BP算法的改进 14

4.1.1附加动量法 14

4.1.2学习速率自适应调整 14

4.2 美国石油股票的背景 15

4.3 改进的BP神经网络进行股票预测 17

第5章 结论 21

5.1 总结 21

5.2 展望 21

参考文献 22

致 谢 28

第1章 绪论

1.1研究背景及意义

股票是一种有价证券,是市场经济的产物[3]。顾名思义股市就是一个进行股票交易的地方其中的一个明显的地方就是:风险较高但是收益也大,这既是它的优点也是它的缺点,股票市场也因此而受到许多资本家的看中。深圳、上海证券交易所自从诞生以来,中国股市开始了起步的阶段、后来各方面更加全面,对经济的腾飞与繁荣提供了很大的动力。上海,深圳证券交易所从什么都要学习到现在的上市公司已经超过3000家,并且包括了各个行业和领域,但是到2019年末,股市在快速发展之中也暴露出了很多问题,例如股价涨跌幅度过大,这对于国民经济的稳定发展是相当不好的。所以,掌握股市的变化情况是促进经济更好发展的基础。现在,中国百姓理财投资的一种普遍的方式就是进行股票投资,而许多国民对于股票的高风险的接受能力较弱,股票市场变化幅度大很可能会让股民们无法承担相应的风险,股民们强烈需要一种更加科学更加实用的投资方法,以求提高投资收入。

随着证券投资理论的完善,许多专业的人慢慢的将这些理论应用到股票市场的预测之中,对股票市场的发展和未来的潜力进行预测。这些预测理论和方法有很多,包括但不限于机器学习,深度学习等等,并且在股票投资领域确实有一定的可信度。但是股票预测是一个比较麻烦的工程,影响股市价格波动的原因有很多,股市价格波动的复杂性使得不管我们使用什么样的预测方法,都需要在数据库中寻找海量的数据并且提供有用的计算方法。所以我们现在所掌握的股市预测的理论和方法都不太好,怎么从海量数据中检索出对我们有价值的信息,并采取什么样的预测理论和方法成为经济学家们值得思考的问题。

总体而言,股市预测方法可以被划分为两种。一类是基本面分析,另一类是技术面分析。基本面分析一般是以理论为依据,通过计算公司的内部潜力和和未来的发展前景来给出相应的建议。基本面分析是通过预测经济周期来做出投资决策,但是预测经济未来发展的情况是很复杂的,从分析股票价格涨跌的原因来预测未来股票价格的变动难度很大。而技术分析是分析其他原因的,和我们刚才所说的这些事情关系不大。采用移动平均线分析能预测较长时间内的股票价格变动,但是股民们可能更希望知道短时间内的股价波动。但是用目前的分析方式来预测股票价格的变化问题还会有许多困难,预测所得到的结果可能达不到预期。

混沌分析方法将股票市场视为一个混沌系统,利用非线性方法研究股票价格的波动机制。混沌理论的预测方法包括局部法、全局法、加权局部法等。然而,现有文献通常采用一些改进的混沌分析方法,结合其他研究方法来描述金融市场。用非线性理论和混沌分析方法对金融市场进行了分析,提出了一个具有不动点和周期性运动等投资者交易特征的分数阶金融系统。

您需要先支付 80元 才能查看全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图