基于bp神經(jīng)網(wǎng)絡(luò)的股價預(yù)測應(yīng)用分析

《基于bp神經(jīng)網(wǎng)絡(luò)的股價預(yù)測應(yīng)用分析》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、碩上學(xué)位論文Brock(1987)首次提出運用B00tstrap方法(一種再抽樣方法)對具有特定結(jié)構(gòu)的收益率模型進行再抽樣檢驗，以得到技術(shù)交易規(guī)則的超額收益以及其他檢驗統(tǒng)計量的經(jīng)驗分布，其檢驗了道瓊斯工業(yè)指數(shù)1897—1986年間的數(shù)據(jù)，對移動平均規(guī)則和阻力線支撐線規(guī)則這兩種最常見的技術(shù)分析交易規(guī)則的實證檢驗表明，技術(shù)分析有助于預(yù)測股票收益?！?】以后的學(xué)者如(Lebaron，2000；Marshan，2005)等也對股價的可預(yù)測性上也得到了類似的結(jié)論，即股價的運行是有其內(nèi)在規(guī)律的，通過一定的方法如技術(shù)分析，能得到超額收益?！?】

2、隨著人們理論知識及實踐經(jīng)驗的豐富，股價預(yù)測的方法也如雨后春筍般涌現(xiàn)出來，最初的多元線性回歸模型，常見的時間序列分析法，包括傳統(tǒng)的移動平均與分解模型、指數(shù)平滑模型，以及現(xiàn)代的ARIMA模型族、隨機波動模型(SV)，ARCH／GARCH族等。以及一些比較新穎的方法，如神經(jīng)網(wǎng)絡(luò)模型，模糊預(yù)測模型，小波分析模型，馬爾可夫鏈預(yù)測法等，一方面證明了股價在一定程度上是可預(yù)測的，另一方面也為股價的定量預(yù)測提供了很多方法。最早提出模糊預(yù)測思想的是美國的L．A．zadeh教授(1965)，他通過模糊數(shù)學(xué)的簡單方法對非常復(fù)雜的數(shù)據(jù)系統(tǒng)進行處理，這與傳統(tǒng)

3、的預(yù)測方法相比是一個全新的思想?！?0】之后，應(yīng)用模糊預(yù)測思想進行實證研究的學(xué)者逐漸出現(xiàn)。認為可將之用于證券價格的預(yù)測。對某一問題的具體預(yù)測通?？刹捎貌煌念A(yù)測方法，各種單項預(yù)測法在數(shù)據(jù)處理及不同準則方面均有其獨到之處，能從不同的角度來推導(dǎo)和演繹，其預(yù)測結(jié)果都有一定的價值。因此有學(xué)者提出了組合預(yù)測法，即先利用兩種或兩種以上不同的單項預(yù)測法對同一預(yù)測對象進行預(yù)測，隨后根據(jù)每一種預(yù)測方法的結(jié)果采用合適的方法做平均，最終的預(yù)測結(jié)果是各種預(yù)測方法預(yù)測結(jié)果的平均值。最早的關(guān)于組合預(yù)測理論的文獻是1989年由FounralofForecast

4、ing等雜志出版的一篇專著，Clemen在文章中稱組合預(yù)測法能有效結(jié)合各個預(yù)測方法的優(yōu)點，同時可以及時發(fā)現(xiàn)各個預(yù)測方法可能存在的缺陷，在進行信息甄別上，組合預(yù)測法有不可替代的優(yōu)勢。Ⅲ】人工神經(jīng)網(wǎng)絡(luò)的起源可追溯到1943年Warren．McCulloch和walter．Pitts合作的論文，他們基于人類大腦處理信息的方式，通過數(shù)學(xué)模型和數(shù)學(xué)處理方式來研究人類腦細胞的活動方式，他們首先把生物神經(jīng)元的信息處理用數(shù)學(xué)方法進行計算，該模型被稱為MP模型。這是最早對神經(jīng)元活動的特征進行量化的模型，神經(jīng)網(wǎng)絡(luò)的理論研究從此拉開序幕。該文從原理上證

5、明了人工神經(jīng)網(wǎng)絡(luò)可以計算任何算術(shù)和邏輯函數(shù)。【7】專注于計算機研究的數(shù)學(xué)家Turing通過一種抽象的模型來描述一種“自動識別機器"，與此同時，Post也在此方面做出了研究，他們都認為，理論上有一種“通用自動識別機器"，這樣是機器能識別所以其他機器可以識別的信息。通過證明，Turing機和和邏輯神經(jīng)網(wǎng)絡(luò)在實質(zhì)上是相同的，這樣，人們對于生物體大腦和計算機之間的相通之處認識更加深刻了?！?5】1949年，DonalaO．Hebb提出了神經(jīng)元之間連接強度變化的學(xué)習(xí)規(guī)則，即Hebb規(guī)則，首次提出了3基于神經(jīng)網(wǎng)絡(luò)的股價預(yù)測應(yīng)用研究生物神經(jīng)元的

6、一種學(xué)習(xí)機制?！?】1957年美國心理學(xué)家FrankRosenblatt提出了感知機(Perceptron)模型，他構(gòu)造了一個感知機網(wǎng)絡(luò)，演示了進行模式識別的能力。這是人工神經(jīng)網(wǎng)絡(luò)第一個實際應(yīng)用?！?】1962年Bemard．Widrow和Ted．Hoff介紹了能進行快速、準確學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，通過梯度下降法調(diào)整權(quán)值，以達到最小均方誤差(LMS算法)。這是一個用于訓(xùn)練自適應(yīng)線性神經(jīng)網(wǎng)絡(luò)的新的算法?！緇o】1982年，美國物理學(xué)家Hopfield及一些學(xué)者提出了一種全連接的反饋型網(wǎng)絡(luò)，即Hopfield模型。此模型引入了“計算能量函數(shù)

7、”的概念，給出了網(wǎng)絡(luò)穩(wěn)定性的判斷依據(jù)，并證明一個互連單元的神經(jīng)網(wǎng)絡(luò)系統(tǒng)將達到能量損耗最小的原理。開創(chuàng)了把神經(jīng)網(wǎng)絡(luò)用于聯(lián)想記憶和優(yōu)化計算的新途徑，有力地推動了神經(jīng)網(wǎng)絡(luò)的發(fā)展。【1211986年，Rumelhan和McCelland等人提出了并行分布處理的理論，同時提出了多層網(wǎng)絡(luò)的誤差反向傳播學(xué)習(xí)算法，簡稱BP算法?！?3】這種算法根據(jù)學(xué)習(xí)的誤差大小，把學(xué)習(xí)的結(jié)果反饋到中間層次的隱單元，改變他們的權(quán)系數(shù)，從而達到預(yù)期學(xué)習(xí)目的，解決了多層網(wǎng)絡(luò)的學(xué)習(xí)問題。BP網(wǎng)絡(luò)是迄今為止最常用的網(wǎng)絡(luò)。1992年，法國著名的信息科學(xué)研究機構(gòu)IRLSA的研

8、究人員ZhangQin曲ua等提出了小波神經(jīng)網(wǎng)絡(luò)(WNN)，小波神經(jīng)網(wǎng)絡(luò)著手把神經(jīng)網(wǎng)絡(luò)和小波變換結(jié)合起來，仍然是一種神經(jīng)網(wǎng)絡(luò)模型?；谛〔ㄗ儞Q的小波神經(jīng)網(wǎng)絡(luò)采用非線性小波基代替常用的神經(jīng)元非線性激勵函數(shù)(如Sigmoid函數(shù))，運用得當則可以同時發(fā)