论文总字数：16102字

摘 要

理论上来讲，股票价格波动受很多因素的影响，包括经济走势、经济周期、经济结构等宏观因素，行业发展、上市公司财务质量等中观因素，甚至很大一部分取决于投资者心理博弈等微观因素。在本文中，详细介绍了BP算法的基本知识，然后基于BP网络进行股市的价格进行预测分析的原理，建立一个基于BP网络的股市价格的预测模型，并通过MATLAB软件对其预测过程进行仿真实验，最终结果达到了所预料的效果。

关键词：神经网络 股票预测 BP算法

A Model Design for Stock Prediction Based on Neural Network

Abstract

In theory, the price fluctuation of stock is influenced by many factors, including macroeconomic factors such as economic trends, the economic cycle ,economic structures and medium factors such as industry developments, the financial quality of listed companies, even largely depends on microscopic factors such as Investors' psychological game. This thesis introduced the basic knowledge of BP algorithm in detail, and then the theory of stock market prediction based on BP network set up a shock market prediction model which is based on the BP network . Finally, we made a simulation experiment through the MATLAB software and reached the expected effect.

Keywords: Neural networks, The stock prediction, BP algorithm

目 录

摘 要 Ⅰ

Abstract Ⅱ

第一章 绪论 1

1.1 课题背景和意义 1

1.2 国内外研究现状及发展趋势 1

第二章 股票预测的关键问题分析 3

2.1 股票价格波动的因素以及预测的基本假设 3

2.1.1 股票价格波动的因素 3

2.1.2 股市预测的基本假设 5

2.2 股票的基本知识 6

2.3 股票预测的评价指标 8

第三章 神经网络的基本原理介绍 9

3.1人工神经网络的定义和发展过程 9

3.2 神经网络基本原理 9

3.2.1神经元模型 9

3.2.2神经网络三要素： 10

3.2.3学习的两种基本类型： 11

3.3 BP神经网络 12

3.3.1 BP神经网络介绍 12

3.3.2 标准BP神经网络的优缺点 14

第四章 神经网络预测算法与仿真 17

4.1 输出输入变量的选取 17

4.2数据归一化处理 17

4.3数据样本分类 17

4.4网络初始化 18

4.5 训练网络 19

4.6网络仿真 19

4.7原始数据 19

4.8 仿真结果 22

4.9 实验总结 24

致谢 25

参考文献 26

第一章 绪论

1.1 课题背景和意义

股票作为一种有价证券，已经具有将近400年的历史。十七世纪，资产阶级革命爆发，资本主义工业蓬勃发展，企业规模不断扩大造成资本短缺，于是就有了由股东出资集资的股份公司，股票因此得到发展。股票的交易和股票市场的发展相互促成与完善，在1602年，世界上最早的股份有限制公司荷兰东印度公司诞生于荷兰^[1]。于是，股票逐渐受到股票投资者的重视并且占据了证券市场的主要地位。

股票预测通常只是证券人员根据自己对股市行情的了解，对股票未来短期的走势进行猜测的预判行为，但是这种人为的预测，准确性比较低，无法为股民带来实际的利益。在我国个人投资者人数多，众多股民都是经验不足的，面对股票这种高风险的投资，股民的心理承受能力普遍较差，而他们却是我国股市的重要组成部分，为他们提供一种行之有效的股票预测方法，可以很大程度提高我国股市的发展，提高国民的整体经济水平。

1.2 国内外研究现状及发展趋势

股票交易是一伴随着高风险和高收益的交易方式，因此受到国内外的广泛关注，国内外学者通过对股票的分析，研究了诸多股票预测方法：

1. 证券投资分析方法

可分为基本分析与技术分析^[2]。基本分析法是专注于股票的内在价值上，利用股外部因素剖析股票波动，在长期看来是比较合适的一种方法;而技术分析法却是仅基于股票市场过去的历史资料，来分析股票市场将来的变动，为了找到合适的投资对象和契机，从而获得短期利益。

1. 时间序列分析方法

这是一种具有良好数学基础的方法，主要是在股价和综合指数间建立分析预测模型，如移动平均法、指数平滑法等以预测股市未来变化。但是这一种办法不适合长期预测，否则准确性达不到要求。

1. 灰色预测方法

是指自变量和因变量虽然具有某种联系，但是由于一些不确定因素的存在，使得预测状态介于明与暗之间^[3]。

1. 人工智能方法

人工智能方法涉及人工神经网络、遗传算法和模糊理论等诸多方面，因其具有自动从股票市场统计的数据中获取相关经济活动的规律和在某方面克服传统定量预测的方法局限、人为因素的影响等优点，神经网络之被广泛运用于股票市场预测方面。

其实在实际股票市场的交易中存在很多诸如股票的开盘价、最高价、最低价、中间价以及收盘价等相关的指标，这些数据分别从不同的角度呈现了当前股票市场的规律。而票预测通常都是根据下面几点假设前提的：

1. 有效市场假设

当股价的波动可以全面地呈现投资者所获得的信息时，股票市场为有效市场，也能够以为此时股票价格是完全透明博弈的供求关系的产物^[4]。一国国内宏观、微观经济以及国际其他市场始终都会影响股票价格，而各种价格的变动变现出股票市场是有效市场；

1. 供求决定假设

指股票市场的供求关系受外在因素影响，而供求关系决定股票的交易；

1. 历史相似原则

指历史资料已经收集到了股票市场将来的变动规律，不考虑其他诸如一国政治动乱或是重大的不可预料的自然灾害。

第二章 股票预测的关键问题分析

请支付后下载全文，论文总字数：16102字