基于PCA-BP模型的上证综指预测研究

发布时间：2024-04-13 00:58

　　作为一个高风险高收益的投资领域,股票市场行情的预测问题一直都是金融系统研究的热点问题。近些年来,投资者一直致力于寻找有效的预测股市行情的方法和工具,也揭示了一些股票市场内在的运行规律,但鉴于股价系统内部结构的复杂性和外部因素的多变性,现有的预测方法效果并不理想,人工神经网络的发展为解决这一难题提供了有效的途径。 人工神经网络作为一种大规模并行处理的非线性系统,依据数据本身的内在联系建模,具有良好的自学习能力、较强的抗干扰能力,在股票价格的短期预测中已经取得了令人比较满意的效果,但也存在一些自身的弱点,本文总结前人的经验,提出了采用主成份分析法与神经网络相结合的方法构建模型,有效的解决了这一难题。 首先,运用统计学主成份分析理论和人工神经网络相关知识,利用SPSS统计分析软件加以MATLAB语言的辅助,对影响上证综指的因素从外围股市到宏观环境、从基本面到技术面进行全方位的分析,得出影响上证综指走势的主要因素；然后,建立BP人工神经网络模型,利用所选取的样本集进行训练和检验,验证模型的精确度；最后,对模型的使用和修正提出一些自己的建议,使得模型能够更加的有效实用。

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

图4一ntralnlm效果图图4一12traingda效果图

沙!冬︸哥孰︸碳崛i一邵30切:必.一砚“印而-一井洲肠嘛漪泌种…谁嚼咖佛奋如的2缈一翔心3液月00‘绷心5柳图4一ntralnlm效果图图4一12traingda效果图

图4-I3tr.,”;娜.:rvi}-.果和:

由此可以看出，采用了况月办几M函数的Leveoberg一Marquardt算法是最适宜4.4.3.2确定隐层单元数确定好训练函数后，下一步的问题便是如何确定最适宜的隐层单元数，隐层单元数的确定很重要，而这一问题的复杂性，使得至今为止，还没有找到一个很好的解析式，隐层节点数往往是根....

图4一18训练后的网络输出图

妙矿认.山曰·七一卜合感加巧﹁协姗一娜一仁‘︸巧主亏J﹃”U图4一18训练后的网络输出图4.4.4BP神经网络的仿真在网络训练好后，可以利用，im函数对其进行仿真，、im函数的常用表示如下117]:【Y，Pf，Af，E，Per]=sl’m(net，P

图4一19训练前后网络输出对比示意图

?⒁籣__-------一一图4一19训练前后网络输出对比示意图4.4.SBP神经网络的测试.神经网络的测试环节又叫做检验环节，是对前期已经训练好的网络模型的训练效果的有效考验，是神经网络模型能否最终确定的关键所在，本节便是在前一节的基础上，采用此前选取好的测试样本，对己有的模型....

本文编号：3952239