学位论文 > 优秀研究生学位论文题录展示

基于非参数的多种群遗传神经网络在股指预测中的应用

作　者: 汪劲松
导　师: 吴航
学　校: 浙江工商大学
专　业: 统计学
关键词: 股价指数预测 神经网络 遗传算法 多种群遗传神经网络 非参数核估计
分类号: TP18
类　型: 硕士论文
年　份: 2012年
下　载: 17次
引　用: 0次
阅　读: 论文下载
 

内容摘要


现代的股票市场是一个巨大的投资、融资市场,每天都有大笔资金的流入和流出,它在社会稳定发展中扮演着越来越重要的角色。若是谁能把握住股票市场发展的趋势,并且能够在短时间内做出投资决策,那么谁就能从这个巨大的投、融资市场上获取利益。若想把握住股市的趋势,并且能够及时做出正确的决策,对股票市场进行预测和分析就显得必不可少。现有的股市预测分析方法主要有基本面分析法和技术分析法,但是这些分析方法都存在着各自的缺陷,难以令人信服。随着股票市场的发展,基于股市金融数据的时间序列分析预测方法开始涌现,但大多数方法都是基于线性假设前提之下的,与股市数据所呈现的非线性特征相违背。经研究发现神经网络在解决这类非线性问题上有着自己特有的优势,因此,本文从神经网络入手,将多种群遗传算法与神经网络相结合,构造了一个多种群遗传神经网络模型,并将其应用于股票价格指数的预测。该组合模型不仅克服了传统神经网络易陷于局部最小值、初始权值难以确定等缺陷,还避免了标准遗传算法所存在的早熟收敛问题。同时,该模型还具有训练快、预测结果稳定、预测精度高等优点,为股价指数预测提供了一种新的思路和途径。本文首先阐述了神经网络方法,介绍了BP神经网络模型的学习算法,并且分析了该模型的不足之处。为了改进这些不足,我们引入了遗传算法和多种群概念,在阐述了遗传算法的原理和多种群概念之后,提出了将多种群遗传算法和神经网络方法相结合的思路,并设计了本文的多种群遗传神经网络模型。同时,本文还对该模型的输入层指标变量进行了全面考虑,从宏观基本面和技术分析面综合考虑了影响股价指数的变量,并且利用非参数核估计方法对这些指标变量进行了筛选,该方法有别于传统的主成分分析、最小二乘估计等方法,在变量选择方法上所有突破和创新。最后本文将筛选后的8个指标变量分别作为多种群遗传神经网络模型和传统的BP神经网络模型的输入层指标,对上证指数进行实证研究分析。实证结果表明：多种群遗传神经网络模型比传统的BP神经网络模型有更好的预测精度,这就说明本文对多种群遗传神经网络模型的构造是科学合理的。

全文目录


摘要  2-4
ABSTRACT  4-7
目录  7-9
第一章 绪论  9-19
  第一节 研究背景及意义  9-11
    一、研究背景  9-10
    二、研究的理论意义  10
    三、研究的现实意义  10-11
  第二节 文献综述  11-15
  第三节 主要研究内容及框架  15-18
    一、主要研究内容  15-17
    二、主要研究框架  17-18
  第四节 本文可能的创新  18-19
第二章 股价指数预测的相关知识介绍  19-27
  第一节 股价指数  19-20
  第二节 股价指数相关的变量及指标  20-25
    一、技术指标变量  20-23
    二、宏观经济变量  23-25
  第三节 股价指数预测方法的理论依据  25-27
第三章 神经网络预测模型与遗传算法  27-39
  第一节 人工神经网络概述  27-32
    一、BP神经网络结构与算法  28-30
    二、BP神经网络算法的优缺点  30-32
  第二节 遗传算法  32-39
    一、遗传算法的基本原理  32-33
    二、遗传算法的基本操作  33-35
    三、遗传算法的基本流程  35-36
    四、多种群遗传算法  36-39
第四章 基于多种群遗传算法的神经网络组合模型  39-43
  第一节 多种群遗传神经网络组合模型研究  39
  第二节 组合模型的基本操作  39-42
    一、参数的编码  39-40
    二、种群的初始化  40
    三、适应度函数的设计  40-41
    四、遗传操作算子和多种群的设计  41-42
  第三节 多种群遗传神经网络的优缺点  42-43
第五章 实证研究  43-60
  第一节 非参数核估计方法理论框架  43-44
  第二节 变量和样本的选取  44-46
  第三节 变量的筛选和数据归一化  46-48
  第四节 基于BP神经网络的上证指数预测  48-53
    一、利用初始变量对上证指数的预测  48-50
    二、利用筛选后变量对上证指数的预测  50-51
    三、对比分析研究  51-53
  第五节 基于多种群遗传算法的神经网络对上证指数的预测  53-57
    一、利用初始变量对上证指数的预测  53-54
    二、利用筛选后变量对上证指数的预测  54-55
    三、对比分析研究  55-57
  第六节 两种模型预测结果的对比分析  57-60
第六章 结论  60-62
参考文献  62-65
附录  65-68
致谢  68-69

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  4. 压电驱动微工作台的控制与校正技术研究,TP273
  5. 市级旅游用地规划环境影响评价研究,X820.3
  6. 珠三角地区高性能混凝土配合比智能化系统,TU528
  7. 部队人员网上训练与考核系统的开发,TP311.52
  8. 大学生综合素质测评研究,G645.5
  9. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  10. 基于神经网络辨识的同步发电机励磁控制研究,TM31
  11. 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
  12. 基于神经网络的安全评价方法研究及应用,X937
  13. 基于遗传算法的矿山资源优化调度模型的研究,O224
  14. 基于小波—神经网络理论和FPGA的变压器数字保护新方法研究,TM407
  15. 基于遗传算法的前馈神经网络优化研究,TP183
  16. 神经网络与组合预测在高速公路路面管理系统的应用研究,TP315
  17. 基于FLAC3D和神经网络的基坑变形预测系统研究,TU433
  18. 基于粒子群优化算法的船舶避碰研究,U675.96
  19. 磁流变阻尼器的力学特性及其在火炮反后坐中的应用研究,TB535.1
  20. 基于灰色神经网络的旅游上市公司财务危机预警模型研究,F224
  21. 基于小波神经网络模型的短期汇率预测,F224

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com