基于神经网络和小波变换的股票时间序列预测方法

【摘要】：传统的方法已经很难适应当前股票数据预测的时间序列分析问题。因为在进行预测之前,一般认为不需要严格的、精确的数学模型。同时,在这种预测分析中一个合理的时间序列描述往往是从大量的数据集中提取出来的。因此,本文引入了人工神经网络模型来进行股票数据预测的时间序列分析。 本文提出了一种基于神经网络与小波变换的股票预测模型。该模型中已处理和未处理的数据都可以作为神经网络的输入,小波变换用于将大量的数据集分解为很多不同的系数和信号。这些系数和信号作为反馈来训练神经网络。训练好的神经网络就能够较好实现相同时间序列的预测分析了。 论文最后采用Matlab模拟工具对模型和算法进行了仿真实验。仿真实验的结果显示本文提出的模型的算法在短期负载的条件下是可行的,并且能获得一个拥有较好精度和准确性的预测结果。