一種新型進(jìn)化部分神經(jīng)網(wǎng)絡(luò)模型在股票預(yù)測(cè)中的應(yīng)用.pdf

1、從2008年以來(lái),次信貸危機(jī)引起全球金融市場(chǎng)的震蕩,導(dǎo)致了全球經(jīng)濟(jì)的衰退和失業(yè)率居高不下的局面,嚴(yán)重影響了我國(guó)人民的生活狀況。股票市場(chǎng)作為金融的一個(gè)重要組成部分,股市的暴漲暴跌對(duì)我國(guó)的資本產(chǎn)生了巨大的震蕩。如何建立一個(gè)精確度非常高的股票預(yù)測(cè)模型來(lái)降低投資風(fēng)險(xiǎn)并提高報(bào)酬,成為每個(gè)金融投資者最關(guān)心的課題。
　　 本文深入地分析股票預(yù)測(cè)面臨的難點(diǎn)與各種方法比較基礎(chǔ)上,并針對(duì)前向神經(jīng)網(wǎng)絡(luò)包含2層以上的隱含層時(shí),會(huì)陷入運(yùn)算過(guò)程時(shí)間太長(zhǎng)和不

2、同的輸入值時(shí)輸出值陷入不動(dòng)點(diǎn)的狀態(tài)等問(wèn)題,提出了一種新型“部分”神經(jīng)網(wǎng)絡(luò)模型修正這些缺陷,該模型的特點(diǎn)在于神經(jīng)元之間是動(dòng)態(tài)的有概率的連接,這樣極大地增強(qiáng)了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的可變化性和與環(huán)境交互的適應(yīng)能力。針對(duì)BP算法在股市預(yù)測(cè)中存在易陷入局部極小、學(xué)習(xí)能力差、預(yù)測(cè)結(jié)果不準(zhǔn)等問(wèn)題,提出了將進(jìn)化算法引入部分神經(jīng)網(wǎng)絡(luò)的方法來(lái)克服BP算法的缺陷,即:跳出局部極小找到全局最優(yōu),提高學(xué)習(xí)能力和預(yù)測(cè)精度等問(wèn)題。進(jìn)化部分神經(jīng)網(wǎng)絡(luò)通過(guò)對(duì)以往數(shù)據(jù)的學(xué)習(xí),將其存

3、儲(chǔ)在網(wǎng)絡(luò)的權(quán)值與閥值中,用以預(yù)測(cè)未來(lái)的走勢(shì)。針對(duì)進(jìn)化部分神經(jīng)網(wǎng)絡(luò)模型進(jìn)行股市預(yù)測(cè)的原理,本文進(jìn)行了三次實(shí)驗(yàn)的仿真實(shí)驗(yàn):實(shí)驗(yàn)一采用了美國(guó)股市中的Citigroup和Motors Liquidation公司為例評(píng)估了模型的預(yù)測(cè)效果；實(shí)驗(yàn)二得出的結(jié)論是在不同的層數(shù)與神經(jīng)元個(gè)數(shù)情況下,進(jìn)化部分神經(jīng)網(wǎng)絡(luò)會(huì)出現(xiàn)過(guò)度擬合的問(wèn)題；實(shí)驗(yàn)三與Chang&Liu(2008)中的股票預(yù)測(cè)作比較,得到了良好的預(yù)測(cè)效果。實(shí)驗(yàn)結(jié)果表明,對(duì)于股票價(jià)格這個(gè)多噪聲的非線(xiàn)性