中国韩国日本在线观看免费,A级尤物一区,日韩精品一二三区无码,欧美日韩少妇色

當前位置：主頁 > 碩博論文 > 社科碩士論文 >

基于宏觀經(jīng)濟指標和BP神經(jīng)網(wǎng)絡人工智能方法的上證綜合指數(shù)預測

發(fā)布時間：2014-10-08 21:23

【摘要】 隨著我國市場經(jīng)濟的高速發(fā)展和證券市場的逐步完善,越來越多的投資者參與到股票市場當中,希望通過股票投資來分享經(jīng)濟增長的成果。但股票市場是一個復雜的市場,它不僅要受到國內經(jīng)濟、政治、心理各方面的影響,也要受到國際經(jīng)濟和政治等方面的影響,同時這些因素之間又以復雜的形式相互影響著。所以通過對股票市場的詳盡剖析,建立一個穩(wěn)定并且相對準確的股票預測模型,對廣大投資者,特別是中小投資者具有重要的實用價值。對于成熟資本市場來說,股市的走勢會受到宏觀經(jīng)濟運行的影響,而股市也是經(jīng)濟運行情況的“晴雨表”,所以可以通過宏觀經(jīng)濟指標來對股市的走勢做出預測。但我國股票市場是不是我國經(jīng)濟的“晴雨表”呢?自從2005年股權分置改革以后,制約我國股票市場發(fā)展的根本性的制度問題得到了解決,我國股市像脫韁的野馬走上了快速發(fā)展的道路。健全的法律體系逐步建成,立體化的市場結構也逐漸明確,股市逐步向成熟資本市場的方向發(fā)展,股市經(jīng)濟“晴雨表”的功能也越來越明顯。而且現(xiàn)有的研究成果也表明,我國股市在一定程度上還是反映了我國經(jīng)濟運行的整體狀況,個別宏觀經(jīng)濟變量對股價變動的解釋能力很強。這就奠定了使用宏觀經(jīng)濟指標來預測股市價格走勢的基礎。在股市價格預測中最主要的方法是以基本分析技術分析為代表的傳統(tǒng)分析法和以時間序列為代表的計量模型法。傳統(tǒng)分析法在實踐中使用比較多,它對股市的預測主要取決于使用者自己的經(jīng)驗,不具有客觀性。以時間序列為代表的股市預測方法主要在學術研究中使用,這些方法往往對樣本要求比較高,而且在處理非線性問題時時間序列模型就顯得力不從心。在這樣的背景之下,近年來快速發(fā)展的人工智能方法得到了金融研究者的關注。人工智能方法就是模仿人腦學習知識的原理來讓計算機自動的學習客觀事物存在的內部規(guī)律。人工智能由于其較強的學習能力已經(jīng)在多個領域得到廣泛的應用,包括分類問題、模式識別和信號處理等。在金融領域,由于人工智能方法具有較強的非線性擬合能力,所以也得到了廣泛的應用。利用人工智能方法預測股市就是給出與股票價格相關的變量,然后通過人工智能的方法自動的發(fā)現(xiàn)變量與股票價格之間的關系,從而利用這種關系來預測股票價格的變動。在人工智能方法中最常用的就是神經(jīng)網(wǎng)絡方法和支持向量機方法。神經(jīng)網(wǎng)絡方法種類較多,在眾多方法中由于BP神經(jīng)網(wǎng)絡即誤差反向傳播網(wǎng)絡具有優(yōu)良的網(wǎng)絡性能所以得到了廣泛的應用。在以往利用宏觀經(jīng)濟指標預測股市價格走勢的研究中大部分的學者主要使用計量模型的方法,很少有人使用人工智能方法。而使用人工智能方法預測股市時的學者們又很少使用宏觀變量,大多都是使用股市技術指標來對股市短期走勢做出預測,很少有學者利用宏觀經(jīng)濟變量結合人工智能方法對股市的中長期走勢做出預測。在這樣的背景下,本文以上證指數(shù)作為我國股票市場的代表,利用宏觀經(jīng)濟指標,使用人工智能方法對上證指數(shù)的走勢做出預測。上證指數(shù)樣本主要選取2005年股權分置改革以后的數(shù)據(jù)。宏觀經(jīng)濟變量主要選取2005年以后的月度數(shù)據(jù)。在人工智能方法中本文主要使用神經(jīng)網(wǎng)絡和支持向量機兩種方法。在神經(jīng)網(wǎng)絡方法中,BP神經(jīng)網(wǎng)絡由于具有良好的擬合能力和容錯能力成為使用最為廣泛的神經(jīng)網(wǎng)絡模型之一,但是BP神經(jīng)網(wǎng)絡模型又有自己的局限性,本文在前人提出的改進BP神經(jīng)網(wǎng)絡的基礎之上提出了使用貝葉斯正則算法和提前停止算法相結合的方法來改進標準的BP神經(jīng)網(wǎng)絡。在提出改進的BP神經(jīng)網(wǎng)絡模型之后,本文分別使用改進的BP神經(jīng)網(wǎng)絡和支持向量機方法對上證指數(shù)做出預測,并對兩種方法的預測結果做出比較。文章具體安排如下：第一章為前言部分,主要介紹文章研究的背景、意義以及研究思路和方法。第二章為宏觀經(jīng)濟與股市預測部分,該部分主要包括以下幾個方面內容,首先是宏觀經(jīng)濟指標介紹,該部分介紹了反映宏觀經(jīng)運行情況的幾個重要宏觀經(jīng)濟指標,這幾個宏觀經(jīng)濟指標同時也是后文實證過程中將會用的變量。隨后介紹了目前在股市預測中主要使用的三種方法：傳統(tǒng)法、時間序列法和人工智能法。第一種方法在實際操作中使用比較廣泛,而后兩種方法在理論研究方面使用比較多。最后介紹了宏觀經(jīng)濟與股市的關系以及兩者關系的國內外研究狀況。第三章為神經(jīng)網(wǎng)絡部分,該部分從神經(jīng)網(wǎng)絡的研究現(xiàn)狀入手,先后依次介紹了神經(jīng)網(wǎng)絡的相關理論,特點及其分類,之后著重介紹了本文研究的BP神經(jīng)網(wǎng)絡的學習算法以及特點,然后根據(jù)BP神經(jīng)網(wǎng)絡的學習特點,對目前針對其性能的改進方法做介紹,這些方法主要解決了標準BP神經(jīng)網(wǎng)絡收斂速度慢,精度不高的問題。之后在前人的基礎之上提出本文改進BP神經(jīng)網(wǎng)絡的算法,即使用貝葉斯正則算法和提前停止算法相結合改進標準BP神經(jīng)網(wǎng)絡。第四章為支持向量機部分,該部分從支持向量機的國內外研究現(xiàn)狀出發(fā),主要介紹了支持向量機的相關理論,通過統(tǒng)計學習理論與傳統(tǒng)機器學習理論的對比,說明統(tǒng)計學習理論的結構風險最小化很好的解決了傳統(tǒng)機器學習中經(jīng)驗風險最小化的缺陷,進而介紹了建立在統(tǒng)計學習理論基礎之上的支持向量機理論,并對核函數(shù)做簡要介紹。第五章為實證部分,在前述理論的基礎之上,本章分別利用貝葉斯正則算法和提前停止算法相結合的BP神經(jīng)網(wǎng)絡和支持向量機對上證指數(shù)的月度收盤價進行預測,并對預測結果做評價。通過對上證指數(shù)預測的實證研究,本文得出以下幾個結論：第一、利用宏觀經(jīng)濟指標并結合人工智能方法對上證指數(shù)的中長期走勢做預測是具有可行性的,在實證研究中兩種人工智能方法都得到了比較理想的預測效果。第二、確定BP神經(jīng)網(wǎng)絡隱藏層神經(jīng)元個數(shù)是網(wǎng)絡結構設計中的重點,本文采用如下的確定方法,限制隱藏神經(jīng)元最小最大個數(shù),然后利用窮舉法遍歷最小最大個數(shù)之間的所有情況,將其作為隱藏神經(jīng)元個數(shù),然后選擇誤差輸出最小的網(wǎng)絡作為本文的BP神經(jīng)網(wǎng)絡模型；第三、本文通過對使用貝葉斯正則算法的BP神經(jīng)網(wǎng)絡的研究,發(fā)現(xiàn)貝葉斯正則算法雖然可以提高網(wǎng)絡的泛化能力,但是根據(jù)實證研究發(fā)現(xiàn),網(wǎng)絡過多的訓練次數(shù)可能導致使用貝葉斯正則算法的BP神經(jīng)網(wǎng)絡出現(xiàn)過擬合的現(xiàn)象,最終導致網(wǎng)絡的泛化能力下降；第四、經(jīng)過實證研究發(fā)現(xiàn),使用貝葉斯正則算法和提前停止算法相結合的BP神經(jīng)網(wǎng)絡可以有效的防止單獨使用貝葉斯正則算法出現(xiàn)的過擬合現(xiàn)象,從而提高了網(wǎng)絡的泛化能力。在使用提前停止算法中過早的根據(jù)驗證樣本輸出誤差提前停止網(wǎng)絡的訓練可能會造成網(wǎng)絡訓練不充足造成網(wǎng)絡精度不夠,本文實證研究發(fā)現(xiàn)在驗證樣本集誤差連續(xù)上升6次的時候提前停止網(wǎng)絡訓練,網(wǎng)絡可以達到比較理想的效果；第五、通過改進的BP神經(jīng)網(wǎng)絡與支持向量機對上證指數(shù)收盤價預測效果比較可知,支持向量機的預測效果要好于BP神經(jīng)網(wǎng)絡。支持向量機預測有堅實的統(tǒng)計學習理論基礎,所以網(wǎng)絡預測效果比較好,表現(xiàn)比較穩(wěn)定。相對支持向量機,BP神經(jīng)網(wǎng)絡的穩(wěn)定性不是很高,在選定網(wǎng)絡結構后網(wǎng)絡需要通過反復的訓練才可能達到比較理想的效果。本文可能的創(chuàng)新點：第一、通過實證證明使用貝葉斯正則算法的BP神經(jīng)網(wǎng)絡在充分訓練的狀況下可能造成網(wǎng)絡過擬合,造成網(wǎng)絡泛化能力下降；第二、提出了貝葉斯正則算法與提前停止算法相結合的方法來改進BP神經(jīng)網(wǎng)絡；第三、在使用提前停止算法時,提出當驗證樣本誤差連續(xù)上升6次時停止對網(wǎng)絡的訓練,此時得到的網(wǎng)絡性能比較好；第四、設計良好的BP神經(jīng)網(wǎng)絡的預測誤差精度可以接近使用支持向量機模型的誤差精度。雖然本文在利用宏觀經(jīng)濟指標結合人工智能方法預測上證指數(shù)的問題上做出了嘗試性研究,但鑒于目前人工智能方法還是一個比較新的學科,其在金融預測領域的應用也處在探索階段,并且本人的理論功底還不夠扎實,知識結構還不夠全面,所以在問題的研究中肯定會存在諸多不足之處,敬請各位專家學者批評指正,本人必定在以后的工作和學習中努力學習、積極探索。謝謝各位評審老師和答辯老師! 


1前言

 

作為中國資本市場重要組成部分的股票市場，從建立之初到現(xiàn)在已經(jīng)走過了二十多年的風雨路程。在這二十多年中，中國股市從最初只有十幾家上市公司，不足百億的市場規(guī)模逐步發(fā)展到現(xiàn)在成為擁有超過兩千家上市公司，總市值達二十多萬億的繁榮市場，而且隨著我國經(jīng)濟的高速發(fā)展，人民收入的逐步提高，人民參與金融投資進行理財?shù)囊庾R越來越強，越來越多的民眾希望通過參與資本市場來分享中國經(jīng)濟發(fā)展的成果。據(jù)有關數(shù)據(jù)統(tǒng)計，到目前為止滬深A股的有效賬戶已經(jīng)超過一個億，所以股票市場已經(jīng)成為影響普通百姓正常生活的一個重要市場，股票市場的任何波動不僅會影響到人們的財富數(shù)量，甚至會影響到金融市場和經(jīng)濟運行的穩(wěn)定性。所以通過研究股票市場的內在規(guī)律，把握規(guī)律，并利用這種規(guī)律指導廣大投資者特別是中小投資者日常投資行為對社會和廣大股民都是非常有意義的。對于成熟資本市場來說，股票市場通常被人們稱作是經(jīng)濟運行的“晴雨表”，股票市場往往可以比較準確并且提前的反映經(jīng)濟運行的整體狀況。在我國雖然證券市場發(fā)展歷史不長，市場表現(xiàn)出新興加轉軌的特征，但中國A股市場走勢還是基本上反映了中國宏觀經(jīng)濟的整體運行情況。特別是在2005年啟動股改以來，股市“晴雨表”的功能越來越明顯了。2005年股權分置改革的啟動對于中國證券業(yè)的發(fā)展是具有里程碑意義的，它從制度入手解決了困擾我國股票市場的根本問題，極大的促進了證券市場法律體系的建立，并使上市公司的股權治理結構從根本上得到改善，使我國股市開始進入了全流通時代，從此中國股市的發(fā)展如脫韁的野馬快速發(fā)展。在市場制度方面，新證券法實施標志著中國證券市場法律體系逐步建立起來并且在發(fā)展中逐步完善。在市場結構方面，以主板、中小板、創(chuàng)業(yè)板為主，新三板為補充的多層次市場結構已經(jīng)形成。在投資渠道和品種上，2010年開放了融資融券業(yè)務并推出了股指期貨。與此同時，在“十一五’’期間我國股票市場容量得到大幅的擴充，一大批有實力并且關系國家命脈的國有大企業(yè)通過IPO和并購等多種手段加入到中國股市當中來，使得當前的我國股票市場的運行情況與宏觀經(jīng)濟的冷暖程度越來越密切。所以制度的逐步完善、多層次市場結構的形成和更多優(yōu)質公司加入到我國股票市場這幾個因素共同促進了股票市場的經(jīng)濟“晴雨表”功能。在這樣的背景下，我們探討利用反映宏觀經(jīng)濟運行情況的經(jīng)濟指標來對上證指數(shù)做出預測的可行性。
總結國內外股票預測方法，大致可以分為三類：一、以基本分析技術分析為主的傳統(tǒng)方法；二、以時間序列為主的計量經(jīng)濟學方法；三、以神經(jīng)網(wǎng)絡和支持向量為主的人工智能方法。在傳統(tǒng)股票預測方法中，技術分析被廣泛使用，它有眾多方法，比較著名的有K線理論、江恩理論、波浪理論等，這些方法在預測股市過程中人的主觀因素往往占很大的成分，仁者見仁、智者見智，對預測沒有一個統(tǒng)一的結果。以計量為主的時間序列股票預測方法，其對樣本的選擇有比較嚴格的要求，在預測過程中對模型假設條件比較多，只有在滿足某種假設的前提下，預測效果才會比較滿意，而且股票市場是一個高度的非線性市場，計量方法在遇到非線性問題時往往力不從心。隨著計算機科學技術和數(shù)據(jù)挖掘技術的快速發(fā)展，人工智能方法得到了空前的發(fā)展，在信號處理和模式識別方面得到了廣闊的應用。人工智能方法在應用時不用對樣本數(shù)據(jù)的特征進行假設，它可以根據(jù)樣本本身自動調整自身結構學習樣本規(guī)律，并且對非線性問題可以無限逼近擬合。正是人工智能方法的這些特點彌補了傳統(tǒng)股票預測方法和時間序列方法的眾多不足，所以在股票預測方面該方法有獨特的優(yōu)勢。

在眾多的人工智能方法中神經(jīng)網(wǎng)絡和支持向量機是研究最多應用最廣泛兩種方法。其中神經(jīng)網(wǎng)絡方法中有多種模型，其中誤差反向傳播神經(jīng)網(wǎng)絡（BP神經(jīng)網(wǎng)絡）是應用最為廣泛的一種模型。所以本文選取誤差反向傳播神經(jīng)網(wǎng)絡和支持向量機對上證指數(shù)做出預測。在使用BP模型過程中很容易造成過擬合問題，如何提高模型的泛化能力一直是人們研究BP模型的重點。本文在一般BP模型的基礎上提出使用貝葉斯正則算法和提前停止算法相結合的改進BP模型，從而很好的提高了模型的泛化能力，防止了過擬合現(xiàn)象的出現(xiàn)，使得模型預測達到了預期的效果。在以往使用人工智能方法預測股票的模型中人們研究的重點主要集中在使用股票的價格、成交量和各種技術指標對股票短期價格走勢做出預測，很少有人對中長期走勢的預測做過研究。因此本文提出從宏觀經(jīng)濟指標的角度出發(fā)對上證指數(shù)中期的走勢進行預測。隨著我國證券市場的逐步發(fā)展和完善，逐漸走向成熟的資本市場，證券市場的“晴雨表”功能也日趨完善，能對股市中長期走勢做出預測，不僅可以對股票投資形成一定的參考，而且對國家宏觀經(jīng)濟調控提供一種參考，具有重要的理論和現(xiàn)實意義。而且隨著我國金融投資品種的豐富，金融衍生品的發(fā)展，中長期的股票預測在衍生品定價過程中同樣也可以發(fā)揮重要的作用。

 

2.宏觀經(jīng)濟與股市預測

 

股票市場通常被人們認為是宏觀經(jīng)濟的“晴雨表”，說明宏觀經(jīng)濟與股票市場之間存在著一定的聯(lián)系，通過股票市場可以反映宏觀經(jīng)濟的運行好壞，同樣通過宏觀經(jīng)濟也可以預測股票市場的運行趨勢。本章主要介紹反映宏觀經(jīng)濟運行的重要指標以及宏觀經(jīng)濟與股票市場的關系及研究狀況，并對股市預測的方法做出總結。

 

2.1宏觀經(jīng)濟
宏觀經(jīng)濟分析是股票價格預測中的一個重要方面，宏觀經(jīng)濟是指一國經(jīng)濟的整體運行情況，主要反映的是總供給和總需求之間的關系。反映總供給與總需求關系的宏觀經(jīng)濟又必須通過一套完整的指標體系表現(xiàn)出來。這一指標體系包括了經(jīng)濟運行情況的各個方面，有：反映經(jīng)濟運行整體情況的經(jīng)濟景氣指數(shù)，國民經(jīng)濟核算情況，反映工業(yè)、建筑業(yè)生產情況的指標，反映固定資產投資情況、房地產開發(fā)投資情況、國內外貿易情況的指標，反映物價情況、財政情況、就業(yè)與工資情況的指標。下面對本文所涉及的重要的宏觀經(jīng)濟指標做簡要介紹。經(jīng)濟景氣指數(shù)包含有宏觀經(jīng)濟景氣指數(shù)、行業(yè)企業(yè)景氣指數(shù)、消費者景氣指數(shù)、經(jīng)濟學家信心指數(shù)、采購經(jīng)理人指數(shù)和國房景氣指數(shù)。本文涉及到的有宏觀經(jīng)濟景氣指數(shù)和采購經(jīng)理人指數(shù)

...........

 

2.2股市預測

自股票市場誕生以來，股票價格預測就成為了股票市場永恒的話題�？v觀國內外的研究狀況，目前股票價格預測的方法主要集中在三個方面：第一，以基本分析技術分析為主的傳統(tǒng)預測方法；第二，以時間序列為主的計量經(jīng)濟學方法；第三，以神經(jīng)網(wǎng)絡、支持向量機為主的人工智能方法。

 

2.2.1傳統(tǒng)預測方法
股票價格預測的傳統(tǒng)方法是最為常用的方法，包含基本分析法和技術分析法。基本分析主要的理論基礎就是：（1)股票的長期價格是由公司內在價值所決定，而通過對公司經(jīng)營現(xiàn)狀和未來發(fā)展前景的分析可以得到對這種內在價值的估計。（2)股票價格不會脫離股票的價值大幅波動，當價格偏離價值時，價格一定會被市場修正向價值回歸。所以可以通過對公司價值的研究來預測股票價格。通常情況下基本分析要通過以下幾個方面來分析：（1)宏觀經(jīng)濟分析。宏觀經(jīng)濟分析又分為兩方面內容，一、通過宏觀經(jīng)濟指標對宏觀經(jīng)濟運行情況做出判斷；二、研究宏觀經(jīng)濟政策包括財政政策和貨幣政策對宏觀經(jīng)濟運行的影響。（2)行業(yè)和區(qū)域分析。不同行業(yè)的股票價格走勢表現(xiàn)不同，所以可以通過對行業(yè)所屬的市場類型、行業(yè)的生命周期和行業(yè)的整體業(yè)績的考察來判斷其對股票價格的影響。同時公司經(jīng)營狀況又必然要受到區(qū)域經(jīng)濟的影響，尤其像我國這樣區(qū)域經(jīng)濟發(fā)展明顯不平衡的國家在公司價值分析時就更不能不考慮區(qū)域因素。（3)公司分析。在基本分析中公司分析是重中之重，而宏觀經(jīng)濟分析和行業(yè)區(qū)域分析最終都要落腳到公司分析上。公司分析要從公司長期發(fā)展和短期發(fā)展，公司行業(yè)地位和盈利水平，公司管理層狀況和財務狀況等各個角度對公司價值做出評估。

...........

3.神經(jīng)網(wǎng)絡理論.......................10 
3.1研究概述..................10 
3.2神經(jīng)網(wǎng)絡理論介紹...............12 
3.3 BP神經(jīng)網(wǎng)絡..............17 
3.4BP神經(jīng)網(wǎng)絡的改進方法..............22 
3.5本文提出的改進BP神經(jīng)網(wǎng)絡的方法.........27 
4.支持向量機理論..................28 
4.1研究概述..............28 

4.2支持向量機核心知識............29

 

5.機器學習方法在上證指數(shù)預測中的實證研究

 

由于機器學習方法具有眾多優(yōu)越性，所以其在股票預測的應用中得到了廣泛的研究。以往使用機器學習方法對股票市場的預測大部分集中在對股市的短期預測上，很少有對股票的中長期預測做出研究，在預測指標選取上學者大部分選取的是一些常用的技術指標，很少有用宏觀經(jīng)濟指標來進行預測。同時結合宏觀經(jīng)濟指標和機器學習方法對股票市場的進行中長期預測的研究的學者就更少了。本章主要基于反映我國經(jīng)濟運行情況的重要宏觀經(jīng)濟指標，使用前文提到的機器學習方法對上證指數(shù)的月收盤數(shù)據(jù)的預測做實證研究，使用的機器學習方法包括BP神經(jīng)網(wǎng)絡方法和支持向量機方法。

 

5.1實證環(huán)境簡介
在使用機器學習算法的時候，不可避免的會涉及到大量的數(shù)值計算問題，所以必須借助于計算機程序實現(xiàn)，本文主要使用MATLAB作為實證研究的工具。MATALAB于20世紀70年代發(fā)明。它是一款特別優(yōu)秀的計算軟件，特別擅長于數(shù)值計算和大數(shù)據(jù)量處理，并且效率很高，因此它廣闊的應用在各個學科包括：應用代數(shù)、自動控制、數(shù)字通信、電子信號和金融工程等。MATLAB軟件提供了豐富的工具箱供研究者使用，本章使用的BP神經(jīng)網(wǎng)絡就是基于神經(jīng)網(wǎng)絡工具箱來實現(xiàn)的。該工具箱包含了目前比較成熟的大部分神經(jīng)網(wǎng)絡模型，我們可以使用其中豐富的函數(shù)來實現(xiàn)自己需要的神經(jīng)網(wǎng)絡模型。支持向量機的實證是基于MATLAB版本的LIBSVM工具箱向來實現(xiàn)的。UBSVM是由臺灣大學的林智仁教授等人開發(fā)的一個支持向量工具包，可以用它來實現(xiàn)使用SVM方法的模式識別與回歸問題。該軟件包運行簡舉、

........

 

6.總結與展望

 

6.1總結

自從股權分置改革以后，我國股票市場逐漸向著法律體系健全化、市場結構立體化的方向發(fā)展，股票市場的走勢受宏觀經(jīng)濟的影響越來越大，股票市場“晴雨表”的作用也越來越明顯。同時隨著人工智能方法在各個領域的廣泛使用，其在金融領域，特別是股票市場價格預測中優(yōu)勢也凸顯出來。在這樣的背景之下，本文通過使用人工智能的方法結合宏觀經(jīng)濟指標來對上證指數(shù)的月度收盤價走勢做出預測，探討宏觀經(jīng)濟指標在上證指數(shù)預測中的作用。在人工智能方法中，主要研究了 BP神經(jīng)網(wǎng)絡和支持向量機兩種方法。對于BP神經(jīng)網(wǎng)絡，本文針對傳統(tǒng)BP神經(jīng)的缺陷提出使用貝葉斯正則算法與提前停止算法相結合的方法來改進BP神經(jīng)網(wǎng)絡的性能。在實證過程當中本文使用改進的BP神經(jīng)網(wǎng)絡與支持向量機建立模型對上證指數(shù)做出預測，并得到了比較理想的效果。之后比較了兩個模型預測效果，并對兩個模型做出評價。

 

6.2展望
人工智能方法是比一門較新的學科，特別是支持向量機理論從提出到現(xiàn)在也就剛剛二十多年，所以人工智能方法在證券市場中的應用學者們都還在積極探討中。本文雖然在人工智能方法預測股市方面做了一定的研究，但是這種研究還是比較初級的，技術上的細節(jié)還需要進一步的研究深化，進一步提高人工智能方法在股市預測上的穩(wěn)定性和準確性。因此，在本文研究的基礎之上，今后可在如下幾個方面對人工智能方法在股市中的預測做出改進：第一，本文在股市預測方面主要是探討了利用宏觀變量來對股市運動趨勢做出預測，而影響股票價格走勢的因素又比較多，在實踐當中技術指標被證明在股價預測上有重要的指導作用，所以以后使用神經(jīng)網(wǎng)絡或者支持向量機時可以適當?shù)脑黾右恍┳兞�，特別是一些被實踐證明是有效的技術指標來對股市做出預測，以提高預測的精度。第二，BP神經(jīng)網(wǎng)絡是一種性能良好的神經(jīng)網(wǎng)絡模型，但是其在應用中具有不穩(wěn)定的特性，特別是對權值的初始化過程。在權值初始化過程中雖然使用[-1,1]的隨機賦值可以避免網(wǎng)絡在訓練過程中陷入誤差曲面平坦區(qū)域致使網(wǎng)絡訓練純化現(xiàn)象的出現(xiàn)，但這樣的隨機賦值還是給訓練網(wǎng)絡造成一定的不穩(wěn)定性。所以在以后的研究中可以針對權值初始化做專門的研究。第三，在支持向量機中核函數(shù)的選擇及參數(shù)的確定對模型的建立非常重要，本文在核函數(shù)的選擇上選擇了比較常用的核函數(shù)，以后的研究中可以通過對股票市場價格走勢的詳細分析來構造適合問題自己的核函數(shù)，以此來提高模型的性能。

參考文獻：


本文編號：9524

資料下載
論文發(fā)表

本文鏈接：http://www.lk138.cn/shoufeilunwen/shuoshibiyelunwen/9524.html


Copyright(c)文論論文網(wǎng)All Rights Reserved | 網(wǎng)站地圖 |

版權申明：資料由用戶9fcb9***提供，本站僅收錄摘要或目錄，作者需要刪除請E-mail郵箱bigeng88@qq.com