基于BP神经网络的股市预测模型

基于BP神经网络的股市预测模型

科技信息○ 科教视野 ○ＳＣＩＥＮＣＥ ＆ ＴＥＣＨＮＯＬＯＧＹ ＩＮＦＯＲＭＡＴＩＯＮ２００７ 年第 ３４ 期基于 ＢＰ 神经网络的股市预测模型谈 玲 （ 南京信息工程大学信息与控制学院 江苏 南京２１００００ ）摘 要】 本文介绍了神经网络的基本概念， 建立 ＢＰ 神经网络模型， 以某个股实际收盘价为原始数据样本 ， 对 网 络 进 行 训 练 后 ， 对 股 票 价 【 格进行了短期预测， 并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快， 预测精度高。 关键词】 神经网络； 预测； 误差 【 ＢＰＴｈｅ ｓｔｏｃｋ ｍａｒ ｋｅｔ ｆｏｒ ｅｃａｓｔ ｍｏｄｅｌ Ｂａｓｅｄ ｏｎ ＢＰ ｎｅｒ ｖｅ ｎｅｔｗｏｒ ｋ【 Ａｂｓｔｒ ａｃｔ 】 Ｔｈｉｓ ａｒｔｉｃｌｅ ｉｎｔｒｏｄｕｃｅｓ ｔｈｅ ｎｅｒｖｅ ｎｅｔｗｏｒｋ ｂａｓｉｃ ｃｏｎｃｅｐｔ， ｅｓｔａｂｌｉｓｈｅｓ ｔｈｅ ＢＰ ｎｅｒｖｅ ｎｅｔｗｏｒｋ ｍｏｄｅｌ， ｔａｋｅｓ ｓｏｍｅ ｓｔｏｃｋ ａｃｔｕａｌ ｃｌｏｓｉｎｇｐｒｉｃｅ ａｓ ｔｈｅ ｐｒｉｍａｒｙ ｄａｔａ ｓａｍｐｌｅ， ｃａｒｒｉｅｓ ｏｎ ｔｈｅ ｔｒａｉｎｉｎｇ ａｆｔｅｒ ｔｈｅ ｎｅｔｗｏｒｋ， ｈａｓ ｃａｒｒｉｅｄ ｏｎ ｔｈｅ ｓｈｏｒｔ－ ｔｅｒｍ ｆｏｒｅｃａｓｔ ｔｏ ｔｈｅ ｓｔｏｃｋ ｐｒｉｃｅ， ａｎｄ ｃａｌｃｕｌａｔｅｓ ｔｈｅ ｆｏｒｅｃａｓｔ ｖａｌｕｅ ａｎｄ ｔｈｅ ａｃｔｕａｌ ｖａｌｕｅ ｅｒｒｏｒ． Ｔｈｒｏｕｇｈ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｄｉｓｃｏｖｅｒｅｄ ｔｈｉｓ ｍｏｄｅｌ ｃｏｎｖｅｒｇｅｎｃｅ ｒａｔｅ ｑｕｉｃｋ， ｔｈｅ ｆｏｒｅｃａｓｔ ｐｒｅｃｉｓｉｏｎ ｉｓ ｈｉｇｈ． 【 Ｋｅｙｗｏｒ ｄｓ】 ｎｅｒｖｅ ｎｅｔｗｏｒｋ ； Ｆｏｒｅｃａｓｔ ； Ｅｒｒｏｒ ＢＰ一、 引言 格 伦 吉 （ Ｄ．Ｇｅｌｅｎｇｉ ） 曾 经 提 出 过 一 个 问 题 ： “ 票 价 格 是 可 以 预 测 股根据他的理论， 可以得出结论： 若从长期来看， 使用分散具体的 的吗？ ” 数据， 剔除意外的事件， 使用非线性模式转换模型， 股价还是可以预测 的。 至少是短期可预测的。 这为投资者的投资决策提供了一定的参考， 但这些方法也存在着计算量大， 预测正确度不高等缺点。本文运用数 学 工 具 ＭＡＴＬＡＢ， 通 过 建 立 的 ＢＰ＋ 神 经 网 络 预 测 模 型 ， 对 股 市 进 行 了 短期预测。ｋｚｌ ＝ｆ（ｎｅｔ ｌ ）ｌ ＝１，２， … ，ｋ ｎｅｔｌ ＝ ! ω ｘｍ ｍ＝１，２， … ，ｊ ， 传 递 函 数 ｆ

基于BP神经网络的股市预测模型

（ｘ）＝ ｍｌｌ ＝ １的每一组数据都重复上面几个步骤， 直到整个训练偏差达到能被接受 系统的模拟， 其信 息 处 理 功 能 是 由 网 络 单 元 的 输 入 输 出 特 性 （ 激 活 特 的程度为止。 性） ， 网络的拓扑结构（ 神经元的连接方式） 所决定的。 人工神经网络对 ２．４ＢＰ 网络学习公式推导 网络 学 习 公 式 推 导 的 指 导 思 想 是 ， 对 问题的求解方式与传统方法不同， 它是经过训练来解答问题的。训练 网络权值（ ｗｉｊ， ｖｋｊ ） 的修正与阈值（ θ 的修正， 使误差函数（ Ｅ ） 沿梯度方 ） 一个人工神经 网 络 是 把 同 一 系 列 的 输 入 例 子 和 理 想 的 输 出 作 为 训 练 向下降。当输出节点的期望输出为 ｚｋ 时， ＢＰ 模型的计算公式为： 的“ 样本” 根据一 定 的 训 练 算 法 对 网 络 进 行 足 够 的 训 练 ， 使 得 人 工 神 ， 其中 ｎｅｔｊ＝ （ １ ） 隐节点的输出 ｙｊ＝ｆ（ ω ｘｉ － θ ω ｘｉ － θ 经网络能够学会包含在“ 中的基本原理。当训练完成后， 该模型便 解” ｉｊ ｊ ）＝ｆ（ｎｅｔｊ） ｉｊ ｊ ｉ ｉ 可以用来求解相同的问题。 （ Ｂａｃｋ Ｐｒｏｐａｇａｔｉｏｎ ） 网络是反向传播的多 ＢＰ 层前馈式网络。它的核心是 ＢＰ 算法， 一种 对 于 多 基 本 子 系 统 构 成 的 （ ２ ） 输出节点计算输出 ｚｋ＝ｆ（ ｖｊｋｙｊ － θ ｖｊｋｙｊ － θ ｋ）＝ｆ（ｎｅｔｋ）其中 ｎｅｔｋ＝ ｋ ｉ ｉ 大系统进行 微 商 计 算 的 严 格 而 有 效 的 方 法 ， 采 用 最 小 均 方 差 学 习 方 （ ３ ） 输出节点的误差公式 式。 神经网络的原理说到底就是我们给它一些输入变量， 然后就有 ＢＰ ２ 一个输出， 输出值的情况与实际的情况进行比较， 差多少， 然后再进行 Ｅ＝ １ （ｘ － ｚ ） ＝ １ （ｘ － ｆ（ ｖｊｋｙｊ － θ ２ ｋ）） ２ ｋ ｉ＋１ ｋ ２ ｋ ｉ＋１ ｊ 网络的内部调整， 属于有导师的学习规则， 使得网络输出与实际逼近。 识别和自适应控制等用途。 ＢＰ 网络可用于语言综合、 ＝１ ｛ｘｉ＋１－ ｆ ［ ｖｊｋ（ ω ｘｉ － θ θ ２ ｉｊ ｊ ）－ ｋ］｝ ２ ｋ ｊ ｉ ２．ＢＰ 神经网络的结构 （４） 权值的修正： ω （ｋ＋１）＝ω （ｋ）＋△ω ＝ω （ｋ）＋η ｀ｊｘｉ ｀δ ２．１ＢＰ 人工神经元模型 典型的 ＢＰ 人工神经元模型中 ， 多 个 输 ｉｊ ｉｊ ｉｊ ｉｊ 入值经过特定传递函数后， 产生符合要求的输出值。其中 Ｘ 是输入样 ｖｊｋ（ｋ＋１）＝ｖｊｋ（ｋ）＋△ω ＝ω （ｋ）＋η ｀ｋｘｊ ｀δ ｉｊ ｉｊ 本信号 …… 此处隐藏：391字，全部文档内容请下载后查看。喜欢就下载吧 ……