利用BP神经网络系统对股票市场进行预测与分析的研究资料下载.pdf

1、陈欣 天津大学软件学院 2013 年 5 月 -I-摘摘 要要 股票市场是一个充满了机遇与陷阱的地方。自从 1990 年起，股票公开在上海、深圳两地发行以来，炒股票已经成为国人日常经济行为的中的一部分。虽然股票的收益可以非常高，但是股票同样具有着高风险。在这种形势下，越来越的投资人和投资机构开始关注于对于股市行情的走向，试图通过股票背后大量的数据来实现对股票走势的预测。在这种形势下，对股票市场内在规律的研究和预测具有着极其重要的理论意义和实用价值。本文试图通过利用 BP（Back Propagation）神经网络进行对股票的分析和预测。股市是一个非常复杂的非线性的动力学系统，而神经网络具有很强

2、的非线性逼近能力和自学、自适应等特性。通过整理股票价格历史数据，并使 BP 神经网络训练学习历史数据，可以有效的找到股票市场价格变动的规律，来达到预测股票未来价格趋势的目的。本文分析了使用 BP 网络对股市价格进行预测分析中的原理，建立三层前馈神经网络建立对股票的预测模型。在实验中，通过对 BP 网络参数的调整，以达到比较好的学习效果。再以五只纳斯达克股票为例，应用已经实现的预测模型对其股价的未来走势进行预测，取得了比较好的效果。通过过往的理论研究和 BP 神经网络的特点，可以证明可以使用 BP 神经网络对股票价格进行有效预测。关键词：股票市场，BP 神经网络，股票预测 -II-A ABSTR

3、ACTBSTRACT Stock market is an arena filled with chance and trap.Since 1990,when the stocks was for public offerings in Shanghai and Shenzhen,it becomes a common part of citizens economic behavior to invest in stocks.Although stock would return investors with high profit,it also companies with high r

4、isk.Under such a circumstance,more and more investors and institutions begin to focus on the trend of stock market,trying to predict the trend of stock through large amount of stock data.It has both magnificent theory meaning and practical value to research and predict inner rules of stock market su

5、ccessfully.This paper attempts to use neural network analysis and forecasting stock.The stock market is a very complex nonlinear dynamic system,the neural network has a strong nonlinear approximation ability and self-adaptive characteristics.By the finishing stock price history data of the BP neural

6、 network training learning historical data,can effectively find the law of the changes in the market price of a stock,to predict stock price trends.This paper analyzes the principle of predicting stock market based on the BP neural network,and establishes three-layer feed forward neural network mode

7、l.In the experiments,by adapting the parameters in the BP neural network,we could achieve a well result of network learning.Then,we got well result by testing five stocks from NASDAQ as examples,on which our forecast model was applied to predict the future trend.Key Words：Stock Market,BP Neural Netw

8、ork,Stock prediction -III-目 录 摘 要.I ABSTRACT.II 第一章 绪论.1 1.1 研究背景.1 1.2 研究现状.2 1.3 研究目的和意义.3 1.4 本文研究的主要内容.4 第二章 股票预测与分析.5 2.1 股票的概念和特点.5 2.1.1 股票的特点.5 2.2 股票价格及影响股票价格的因素.6 2.2.1 股票价格.6 2.2.2 影响股票价格的因素.7 2.3 股票预测的关键问题.8 2.3.1 股票基本指数.8 2.3.2 股票预测的常用技术指标.9 2.3.3 股票常用预测方法.11 2.3.4 股票预测面临的问题.12 第三章 神经网络

9、理论基础.14 3.1 神经网络的简介.14 3.2 神经网络的特点.14 3.2.1 分布式存储.14 3.2.2 非线性.15 3.2.3 健壮性.15 3.2.4 学习、自我适应性.15 3.3 神经网络的基础.15 3.3.1 神经元模型.15 3.3.2 传输函数（活跃函数）.16 第四章 BP 神经网络算法及在股票预测中的应用.18 4.1 BP 神经网络及算法.18 -IV-4.1.1 BP 神经网络概述.18 4.1.2 BP 网络学习公式推导.19 4.2 BP 学习算法过程.24 4.3 BP 算法在股票预测中的难点.25 4.3.1 输入量的选择.25 4.3.2 训练过

10、程的问题.28 第五章 BP 神经网络股票预测模型.29 5.1 采用 BP 神经网络预测股票价格的步骤.29 5.2 实验实现流程.29 5.3 BP 神经网络预测的方式.30 5.4 基于 BP 神经网络预测模型的构造.31 5.4.1 网络结构的设计.31 5.5 训练样本集的准备.33 5.5.1 采集数据的选取.33 5.5.2 输入输出数据的预处理.34 5.6 股市预测模型的 Matlab 实现.35 5.6.1 生成和初始化 BP 神经网络.36 5.6.2 对数据进行预处理和后处理.37 5.6.3 BP 神经网络的训练.38 5.6.4 BP 神经网络的仿真.38 第六章

11、仿真实验及结果分析.39 6.1 实验结果.39 6.2 实验结果分析.46 6.2.1 网络误差分析.46 6.2.2 训练过程分析.49 6.3 实验核心代码.53 第七章 总结与展望.56 参 考 文 献.57 致 谢.58 利用BP 神经网络系统对股票市场进行预测与分析的研究 1 第一章 绪论 1.1 研究背景 股票是市场经济的产物，现如今股票市场已经成为了证券业甚至整个金融业必不可少的组成部分。随着国民在股票市场的投资幅度日益加大，股票市场对于民生的稳定和经济的健康发展都已经起到了至关重要的地步。如果能过有效地预测到股票市场的涨跌情况，及时的对股票市场进行合理的监管和调控，为股票投资

12、者做出必要的提醒和指引，这必将为国民经济的健康持续发展提供坚实的基础3。股票预测，对股市具有深刻了解的证券分析人员使用实际的数据、和市场信息，或者从各方面调查统计的数据，结合股市的历史数据以及近期的发展走势和规律，结合目前市场的发展方向，用科学的方法对未来股市发展方向以及涨跌程度的预测行为。在现今的金融市场交易中，由于股票具有高风险但同时又具有高收益的特点，对股票走势的分析和预测就引起了广大入市者的关注，从而研究出各种对股市走势的预测方式。但由于股票走势具有非线性波动的特点，而现在的科学方法还未能完全实现对股票走势的准确预测，因此，目前阶段对股市发展的预测还存在一定发展空间。传统的股票分析技术

13、包括基本分析法和技术分析法。基础分析法以经济学、投资学等金融学理论为基础，结合公司自身运营情况，研究股票的发展趋势做出预测。但是基础分析法是针对于长期宏观发展预测有着比较好的效果，但是对于炒短期的股民而言，提供不了太多的帮助。而且考虑到广大散户股民难以获得大量的统计数据，及对专业分析技巧的技能缺乏，这种分析方法并不是非常普及。技术分析法是通过股票数据的研究，分析开盘收盘价、成交量、涨跌指数等数据，推测将来股价变化的趋势。目前存在的一些常见的分析方法有点数图法、K 线图法、移动平均线法等，这些方法可以预测近阶段某只股票的价格变化，这对于炒短线的股民来说是非常有帮助的。但是技术分析法的缺点也是很明

14、显的，分析局限在对于数据的变化中，而忽视了对于整个股票市场大背景下的众多影响因素，所以缺乏宏观把握性，有时候很有可能就会预测失准。利用BP 神经网络系统对股票市场进行预测与分析的研究 2 随着近年来技术的发展和进步，使用人工智能算法作为股票市场价格分析与预测成为研究热点。而 BP 神经网络作为人工智能算法的一种，具有极佳的综合运算处理能力，广泛应用于模式识别、信号处理等领域。BP 神经网络算法具有自适应性、自学习能力，并且无需建立显示关系和数学模型，具有传统定量预测手段无法比拟的优点。因此可以考虑将 BP 神经网络算法应用到股票价格预测中。1.2 研究现状 国内外的研究机构对预测股票价格进行很

15、多的研究，主要的预测方法有一下几种：（1）时间序列法 时间序列法是指建立时间序列和股票综合价格指数的统计关系模型，典型的模型有：ARIMA 模型（自回归移动平均模型），RW 模型（全随机模型），ARMA模型（齐次非平稳模型）等。基于时间序列的分析方法包含两种考量方式：单变量和多变量。单变量模型参数选择与模型确定非常复杂，同时需要大量的数据进行分析。研究显示，时间序列法只对短期股票价格预测具有良好效果，预测的精准度会随着预测周期的变长而下降。（2）投资分析法 证券投资分析法指通过技术分析法和基本分析法来预测股票价格变化的趋势。基本分析属于长期分析方法，它通过分析股票的投资价值和影响股票的价格因素分期股票的内在价值。而技术分析则是通过分析股票市场的动态和规律研究对象，获取短期投机收益。（3）人工智能预测法 这些年来，人工智能算法取得了飞速发展，特别是 BP 神经网络日益成为人工智能领域的研究热点并应用于各个领域。很多西方的研究学者将 BP 神经网络应用到股票应用中去。早在 1988 年，White 就尝试使用神经网络的方法来预测 IBM 股票的当日回报率，但是经过分析，训练后的算法无法跳出局部最小值而使得预测结果不够理想。Kimoto 等人在 1990 年时应用神经网络算法开发的预测系统对东京证券交易所的平均加权指数进行预测，并且通过预测决定何时进行买入的时机，