未来智库 > 神经网络论文 > 基于神经网络模型的股票预测与研究

基于神经网络模型的股票预测与研究

发布时间:2018-07-18 01:06:31 文章来源:未来智库    
    关键词:神经网络;一期预测模型;多期预测模型;股票
    中图分类号:F830 文献标志码:A 文章编号:1673-291X(2014)10-0097-03
    一、引言
    随着中国市场经济建设的高速发展,人们的投资意识日益增强,而作为市场经济的重要组成部分――股票市场,也正逐步走向成熟与规范。它从诞生的那天起就牵挂着数以千万投资者的心,越来越多的投资者把眼光转向了股票市场,而高风险高回报是股票市场的特征,因此投资者们时刻在关心股市、分析股市并试图预测股市的发展趋势。
    对于未来股票市场走势的判断情况,直接影响了股民的投资决策。而股票价格的影响因素很多,单凭简单的人为经验判断往往不够而且错误率较高,而传统的技术分析方法,也已经不能满足投资者对股票市场海量数据的分析要求。基于神经网络模型具有的学习能力强,预测精度高,以及对海量数据的强大处理能力和对于噪声数据的抗干扰性等优点,我们引入神经网络模型,以上证综合指数为例来对股票市场进行建模分析和预测,以此对股票市场进行研究,了解股价运行的规律和内在机制,从而帮助众多投资者正确预测股价走势,做出理性的投资决策。
    1.一期预测模型
    我们将经过预处理之后的每个工作日的上证综合指数相关数据作为输入变量,将次日收盘指数作为输出变量,利用 Clementine软件建立神经网络模型,首次建模采用系统默认设置对训练集数据进行训练,系统默认采用快速(Quick)训练方法的简单模型进行训练,采用1个隐藏层3个隐结点,最终输出预测精度为96.136%。经过多次修改训练方法和调整高级选项参数,并比较各个模型的精度,我们最终在采用多重(Multiple)方法进行训练时得到最高的预测精度,为96.281%。其中,共有2个隐藏层,一个隐藏层有27个隐藏结点,另一个隐藏层有18个隐藏结点。
    2.多期预测模型
    由上一节一期预测模型可以看出,利用前一工作日的数据来建模并预测下一个工作日的上证收盘指数,预测精度是比较高的。但根据常识我们知道,股票的次日收盘指数不仅可能受到前一日大盘情况的影响,还可能会受到前几日甚至更远时期大盘情况的影响,这也是为什么股民在参考大盘指数的时候,一方面要看前一工作日大盘走向,另一方面要研究近期以来大盘走向的原因。因此,我们有必要利用多期数据来建立次日收盘指数预测模型,以期找到更优的神经网络预测模型。
    (三)样本检验及结果
    我们将2013年10月24日至11月27日的数据作为校验样本,通过以上建立的各期最优的神经网络模型进行预测,并通过拟合真实的收盘指数和各个神经网络模型预测的上证指数数据可以得到如图1的结果。从结果上看,预测效果是比较理想的,多期预测模型虽然与真实值有波动和偏差,但趋势总体上趋于一致。特别是一期预测和十期预测模型,与真实上证指数走势基本一致,与真实上证指数偏差较小。
    但是,我们也必须看到,在预测值和真实值之间仍有一定的偏差,甚至出现了短暂性的趋势错误,我们仅以一期预测期与真实值的拟合图形来看,图中椭圆形区域部分内,预测模型的结果与真实值之间出现了一定的偏差,如2013年10月31日真实收盘价是低于10月30日的收盘价,但根据一期预测模型预测的收盘价是高于10月30日的收盘价的。这是由于股票市场是一个很不稳定的的非线性动态变化系统,不仅受到国内外经济因素的影响,而且政府的调控、人为的作用等都会影响股票市场的未来走势,其内部规律非常复杂,因此各种因素的变动对神经网络模型的预测结果都会产生一定的干扰作用。但从整体上来看,神经网络模型的预测效果相对还是很有效的。
    通过神经网络对上证指数的预测研究,结合对各期模型预测精度的对比以及上页图1中对上证指数真实收盘和各期预测收盘价的拟合图,我们发现次日预测和十期预测对于股票收盘价格的预测相较其他期的预测精度更高,误差更小,预测结果更加准确可信,因此神经网络模型更适合预测十期之内的短期的股票价格涨跌情况。
    三、小结
    在股票系统的预测研究中,能否比较准确地反映未来时期数据的变化趋势是衡量一种预测方法是否有效的重要标准。从以上仿真的结果来看,本文建立的各期最优神经网络模型比较如实地反映了股票市场的内在价值规律并且具有较高的预测精度,对股票价格的短期预测能够取得较好的效果,为投资者预测股票走势提供了很好的参考。同时,投资者在利用以上最优神经网络模型来预测未来股价变动趋势时,尤其要关注最近十天股市的涨跌情况,这样更能准确把握股票市场的变化趋势,帮助预测灾难性的股价振荡,降低投资风险,从而维护股票市场的稳定,促进中国经济的健康发展。
    参考文献:
    [1] 殷洪才,赵春燕.基于神经网络股票预测的研究[J].哈尔滨工业大学学报,2007,(3).
    [2] 郑文.数据挖掘在股票分析中的应用[D].上海:复旦大学,2012.
    [3] 李穗丰.数据挖掘在证券分析中的应用[D].广州:中山大学,2008.
    [4] 蒋宗礼.人工神经网络导论[M].北京:高等教育出版社,2001:39-54.
    [5] 魏文轩.改进型RBF神经网络在股票市场预测中的应用[J].统计与决策,2013,(15):70-72.
    [6] 龙建成,李小平.基于神经网络的股票市场趋势预测[J].西安电子科技大学学报,2005,(3):460-463.
    [责任编辑 吴明宇]
转载请注明来源。原文地址:https://www.7428.cn/page/2018/0718/22555/
 与本篇相关的热门内容: