基于灰色理论和神经网络理论的股票指数预测研究

发布时间：2017-05-15 03:00

  本文关键词：基于灰色理论和神经网络理论的股票指数预测研究，由笔耕文化传播整理发布。

【摘要】： 股票市场是一个复杂的非线性动态系统,利用传统的时间序列预测技术很难反映市场变化的多因素,非线性、时变性等特点。在分析考察传统预测分析方法的基础上,本文提出了一个由灰色理论和神经网络理论组合的预测系统,并针对系统性能的改善和提高进行了深入的研究。 绪论简述了课题研究的内容和意义及其股票指数的研究现状,接着介绍了证券预测分析理论,总结回顾了股票指数常用的预测方法和研究现状及存在的问题。接下来介绍了灰色关联分析和灰色模型的基本知识,并分析比较灰色GM(1,1)模型、灰色新陈代谢模型,灰色马尔可夫模型在股票指数预测中应用。本文选取的是上证综合指数,因为该指数以最大程度地反映市场整体价格水平,产生的信号对投资者的影响最为强烈,能够比较准备的反映国内股市行情动态,具有较高的预测价值和较好的可预测性。实例表明灰色马尔可夫模型不仅可以弥补马尔可夫模型的局限,又可以弥补灰色模型的不足,表明该模型对具有短期波动性的股票价格有较高的精度和应用价值。这是本文的重点创新之一。最后介绍了神经网络理论知识和BP网络学习算法和预测步骤,提出了基于灰色关联分析的神经网络预测系统,该系统为进一步明确描述动态的股市行情开辟了新的思路。将灰色关联思想用于网络训练过程中调节隐含节点的个数来实现网络的泛化能力的最优,用灰色关联分析选取最能反映股票价格走势的技术指标,以此作为BP神经网络的输入参数,并用BP神经网络预测股票价格指数的短期走势。实证表明该系统用于股票建模预测时比传统的预测系统取得更好的效果,可以提高预测的精度且计算复杂度较低,同时也为广大投资者建立了更有效的预测分析系统。这是本文的重点创新点。 文章最后总结了全文的工作成果和对未来工作的展望。
【关键词】：股票指数 灰色关联 灰色模型 人工神经网络
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F830.91;F224
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-18
• 1.1 研究背景及意义10-14
• 1.1.1 中国股市发展现状11-12
• 1.1.2 中国股市的可预测性12
• 1.1.3 股市预测的主要方法12-14
• 1.1.4 股价指数预测分析的一般意义14
• 1.2 股票指数研究现状14-15
• 1.3 论文的研究内容15-16
• 1.3.1 研究内容15
• 1.3.2 论文的结构安排15-16
• 1.3.3 研究方法及采用的技术路线16
• 1.4 论文的创新之处16-18
• 第2章 证券预测分析理论18-29
• 2.1 证券的概述18
• 2.2 股票指数的概述18-19
• 2.2.1 股票的定义18-19
• 2.2.2 上证综合指数简介19
• 2.3 股票常用的预测方法19-28
• 2.3.1 证券投资分析方法19-25
• 2.3.2 时间序列分析法25-26
• 2.3.3 灰色预测法26
• 2.3.4 神经网络预测法26-27
• 2.3.5 其他预测方法27
• 2.3.6 股市预测中存在的问题27-28
• 2.4 本章小结28-29
• 第3章 基于灰色理论的股票指数预测分析29-44
• 3.1 灰色系统理论的概况29-31
• 3.1.1 灰色理论的产生及应用29-30
• 3.1.2 灰色理论的主要内容30-31
• 3.2 灰色关联分析31-33
• 3.2.1 灰色关联的概念及思想31
• 3.2.2 灰色关联度31-33
• 3.3 灰色几种模型33-38
• 3.3.1 灰色GM(1，1)模型33-36
• 3.3.2 灰色新陈代谢模型36
• 3.3.3 灰色马尔可夫模型36-38
• 3.4 灰色模型在股票指数预测中的应用38-43
• 3.4.1 灰色理论在股指分析中应用的可行性38
• 3.4.2 灰色马尔可夫模型在股指分析中应用38-40
• 3.4.3 实证分析40-43
• 3.5 本章小结43-44
• 第4章 基于灰关联—BP网络的股票指数预测分析44-58
• 4.1 神经网络基本介绍44-47
• 4.1.1 生物神经元模型44-45
• 4.1.2 人工神经元模型45-46
• 4.1.3 人工神经网络的类型46-47
• 4.2 BP网络及其学习算法47-54
• 4.2.1 BP神经网络结构48
• 4.2.2 BP学习算法原理48-53
• 4.2.3 BP预测的基本步骤53-54
• 4.3 基于GRA(灰关联)与BP网络的股票指数预测方法的应用54-56
• 4.3.1 神经网络在股指分析中应用的可行性54
• 4.3.2 基于GRA与BP网络的股票指数预测方法的基本思路54
• 4.3.3 股票指数数据选择54-55
• 4.3.4 数据预处理55-56
• 4.3.5 预测分析与结果对照56
• 4.4 本章小结56-58
• 第5章 总结58-60
• 参考文献60-62
• 致谢62-63
• 攻读硕士学位期间发表论文及参加科研项目情况63

【引证文献】

中国期刊全文数据库 前1条

1 刘海申;;基于灰色理论与神经网络组合预测模型在交通事故分析预测中的应用[J];统计教育;2010年09期

中国硕士学位论文全文数据库 前8条

1 董小艳;陕西农机化水平评价及耕种收机械化水平预测研究[D];西北农林科技大学;2010年

2 刘海申;基于GM（1，1）和神经网络的组合模型对甘肃省交通事故的分析与预测[D];兰州商学院;2011年

3 汪顺伟;基于PCA-BP模型的上证综指预测研究[D];西南石油大学;2011年

4 王凤飞;组合预测方法简介及其实证分析[D];山西大学;2011年

5 胡玉琢;改进型灰色神经网络模型在水质预测中的应用[D];重庆大学;2010年

6 王振兴;BP-RBF组合神经网络在股票预测中的应用研究[D];兰州商学院;2010年

7 方智;基于多技术指标模型的沪深300指数走势预测[D];江西财经大学;2012年

8 潘崇霞;基于灰色理论的网络舆情危机预警研究[D];江西财经大学;2012年

  本文关键词：基于灰色理论和神经网络理论的股票指数预测研究，，由笔耕文化传播整理发布。

本文编号：366702