基于模式識別的股價(jià)趨勢預(yù)測系統(tǒng).pdf

1、基金可以投資于股票、債券、外匯、期貨和期權(quán)等金融資產(chǎn)，由于股票交易在中國起步最早也最成熟，使得大多數(shù)基金公司的投資重點(diǎn)均在股票領(lǐng)域，因此對于基金經(jīng)理和基金研究員來說，動態(tài)和實(shí)時(shí)地了解股市的走勢就非常重要；而人工智能技術(shù)的日漸成熟為股票分析提供了強(qiáng)有力的計(jì)算工具與分析工具，使得他們可以從眾多紛繁的技術(shù)指標(biāo)中解脫出來，轉(zhuǎn)由計(jì)算機(jī)去“思考”，甚至做出決策，以減少人工分析預(yù)測所帶來的風(fēng)險(xiǎn)。本課題就如何開發(fā)一個(gè)支持基金經(jīng)理和基金研究員用于決策的股

2、價(jià)趨勢預(yù)測系統(tǒng)進(jìn)行了詳細(xì)的論述。 第一，本文仔細(xì)研究了現(xiàn)有的基于時(shí)間時(shí)序的關(guān)于使用神經(jīng)網(wǎng)絡(luò)技術(shù)或應(yīng)用統(tǒng)計(jì)學(xué)理論進(jìn)行股市預(yù)測的方法，發(fā)現(xiàn)這些方法都缺少對進(jìn)一步減少預(yù)測誤差的研究，因此本文從通用函數(shù)逼近定理出發(fā)，推導(dǎo)出了組合神經(jīng)網(wǎng)絡(luò)模型，并將其應(yīng)用于實(shí)際的預(yù)測，實(shí)驗(yàn)的結(jié)果以及和其它預(yù)測方法的對比表明：組合神經(jīng)網(wǎng)絡(luò)模型可以比較有效地進(jìn)一步縮小預(yù)測過程中所產(chǎn)生的誤差；同時(shí)，本文也詳細(xì)描述了在實(shí)際應(yīng)用當(dāng)中的組合神經(jīng)網(wǎng)絡(luò)模型的各部分組成及其