資源描述：
《基于PSO-BP神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)模型應(yīng)用研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)校代號(hào)10532學(xué)號(hào)S151801466分類(lèi)號(hào)密級(jí)1碩士學(xué)位論文基于PSO-BP神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)模型應(yīng)用研究學(xué)位申請(qǐng)人姓名方思學(xué)培養(yǎng)單位金融與統(tǒng)計(jì)學(xué)院導(dǎo)師姓名及職稱(chēng)胡榮才副教授學(xué)科專(zhuān)業(yè)應(yīng)用經(jīng)濟(jì)學(xué)研究方向量化投資論文提交日期2018年4月18日學(xué)校代號(hào)：10532學(xué)號(hào)：S151801466密級(jí)：湖南大學(xué)碩士學(xué)位論文基于PSO-BP神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)模型應(yīng)用研究學(xué)位申請(qǐng)人姓名：方思學(xué)導(dǎo)師姓名及職稱(chēng)：胡榮才副教授培養(yǎng)單位：金融與統(tǒng)計(jì)學(xué)院專(zhuān)業(yè)名稱(chēng)：應(yīng)用經(jīng)濟(jì)學(xué)論文提交日期：2018年4月18日論文答辯日期：2018年5月26日答辯委員會(huì)主席：胡宗義教授Re
2、searchonApplicationofShanghaiStockIndexPredictionModelBasedonPSO-BPNeuralNetworkbyFANGSixueB.S.(LanzhouUniversity)2015AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEconomicsinAppliedEconomicsintheGraduateSchoolofHunanUniversitySupervisorAssociateProfes
3、sorHuRongcaiApril,2018基于PSO-BP神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測(cè)模型應(yīng)用研究摘要隨著國(guó)民經(jīng)濟(jì)的飛速發(fā)展以及市場(chǎng)經(jīng)濟(jì)的不斷完善，股票投資成為了現(xiàn)代人投資理財(cái)中的一個(gè)重要部分。股價(jià)的走勢(shì)直接影響著股票市場(chǎng)的穩(wěn)定以及金融與經(jīng)濟(jì)的健康發(fā)展。成功的股價(jià)預(yù)測(cè)不僅有助于投資者獲利，也有利于政府部門(mén)提供及時(shí)合理的市場(chǎng)指導(dǎo)與監(jiān)管。然而股票市場(chǎng)是一個(gè)極其復(fù)雜的動(dòng)態(tài)系統(tǒng)，不僅受公司自身發(fā)展的內(nèi)部因素的影響，還受到宏觀經(jīng)濟(jì)、投資者心理等復(fù)雜的外部因素影響。它所具有的非線性、動(dòng)蕩性、高噪聲等特質(zhì)決定了股價(jià)預(yù)測(cè)是一個(gè)困難而又復(fù)雜的過(guò)程。因此，如何準(zhǔn)確預(yù)測(cè)股票價(jià)格是金融
4、界存在的一個(gè)重要而有價(jià)值的課題。神經(jīng)網(wǎng)絡(luò)通過(guò)模擬人體神經(jīng)元結(jié)構(gòu)，其具有較強(qiáng)的自學(xué)習(xí)、自組織以及記憶性，它能夠從股票市場(chǎng)的歷史數(shù)據(jù)和相關(guān)信息中預(yù)測(cè)股價(jià)未來(lái)的發(fā)展趨勢(shì)。而反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）是神經(jīng)網(wǎng)絡(luò)的一種能具有無(wú)限逼近非線性系統(tǒng)且擬合優(yōu)度較為突出的模型。因此，BP神經(jīng)網(wǎng)絡(luò)適用于處理具有高度復(fù)雜性特征的股價(jià)預(yù)測(cè)性問(wèn)題。本文詳細(xì)闡述了BP神經(jīng)網(wǎng)絡(luò)的基本理論，并分析了其所依賴(lài)的梯度下降算法雖然在局部搜索能力較強(qiáng)，但具有全局搜索能力弱，權(quán)值易陷入局部極小的缺點(diǎn)；粒子群優(yōu)化算法（PSO）在全局搜索的初始階段，被證明能快速收斂且效果較好，但其缺點(diǎn)是局部搜索能力較弱
5、?；谶@兩者的優(yōu)缺點(diǎn)，本文提出了一種將PSO算法與BP算法相結(jié)合，用于訓(xùn)練前饋神經(jīng)網(wǎng)絡(luò)權(quán)值的混合算法，并稱(chēng)之為PSO-BP算法。所得到的混合算法不僅可以利用PSO算法的強(qiáng)大全局搜索能力，而且可以利用BP算法強(qiáng)大的局部搜索能力。本文通過(guò)PSO-BP神經(jīng)網(wǎng)絡(luò)對(duì)上證指數(shù)收盤(pán)價(jià)進(jìn)行實(shí)證分析，探討了樣本指標(biāo)、數(shù)據(jù)的選??；網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)的構(gòu)成；隱含層節(jié)點(diǎn)個(gè)數(shù)、學(xué)習(xí)因子及激活函數(shù)的選取等問(wèn)題。同時(shí)，我們也給出了同樣是智能混合算法的GA-BP神經(jīng)網(wǎng)絡(luò)算法并加以比較。實(shí)驗(yàn)結(jié)果表明，在模擬與預(yù)測(cè)的效果上，混合PSO-BP神經(jīng)網(wǎng)絡(luò)算法均優(yōu)于GA-BP神經(jīng)網(wǎng)絡(luò)算法與BP神經(jīng)網(wǎng)絡(luò)算法
6、；且能夠較為準(zhǔn)確的預(yù)測(cè)出近一段時(shí)間上證指數(shù)的收盤(pán)價(jià)格與未來(lái)漲跌情況，模型有著良好的應(yīng)用前景。關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；PSO算法；上證指數(shù)預(yù)測(cè)II碩士學(xué)位論文AbstractWiththerapiddevelopmentofthenationaleconomyandthecontinuousimprovementofthemarketeconomy,stockinvestmenthasbecomeanimportantpartofmodernpeople'sinvestmentandfinancialmanagement.Thevolatilityofstock
7、pricesdirectlyaffectsthestabilityofthestockmarketandthehealthydevelopmentoffinanceandeconomy.Successfulforecastingofstockpricesandtrendshelpinvestorstomakeprofits,anditalsohelpsgovernmentdepartmentsprovidetimelyandreasonablemarketguidanceandsupervision.However,thestockmarketisanext
8、remelycomplexdynamicsystem
