一种基于人工神经网络的短期股价预测模型的研究

【摘要】：人工神经网络是由大量的神经元按照一定的拓扑结构连接而成的网络,具有非线性、适应性的信息处理能力,是对人脑的抽象、简化和模拟,在自动化控制、数学计算、经济预测、金融预测等领域有着广泛的应用,本论文将研究这种方法在短期股票价格预测中的应用。 应用人工神经网络建模预测股价克服了传统预测方法的缺陷,将影响股价的众多因素结合起来,在动态中把握股价波动的规律。本文利用基于K—L学习算法的BP网络和RBF网络对汤姆逊公司的股价进行预测,突破传统的主成分分析法,根据经济因素之间的经济联系,应用定性分析法选取输入变量,并将其进行归一化处理,以加速网络的收敛速度。 本文研究了人工神经网络的预测精度问题,理性预期因素在短期股价形成中的作用问题,网络对于极端值点的预测准确性问题和网络在预测股价反转形态方面的可靠性问题。在此基础上得出应用人工神经网络可以对短期股价进行比较准确的预测,预期因素在美国股票市场上发挥着重要的作用,人工神经网络在预测极端值时表现出不稳定性,预测股价低端值时误差较大;在预测价格反转形态方面神经网络比较准确的结论。最后,对有待于进一步研究的问题提出了建议和展望。