您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201805-134
论文题目 基于PSO-BP神经网络的上证指数股票预测模型应用研究
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于PSO-BP神经网络的上证指数股票预测模型应用研究

首发时间:2018-05-16

方思学 1   

方思学(1993-),男,硕士研究生,研究方向:量化投资

胡荣才 1   

胡荣才(1976-),男,副教授、硕士生导师,主要研究方向:金融计量

  • 1、湖南大学金融与统计学院,长沙 410006

摘要:随着国民经济的飞速发展以及市场经济的不断完善,股票投资成为了现代人投资理财中的一个重要部分。股价的波动直接影响着股票市场的稳定以及金融与经济的健康发展。成功的股价和趋势预测有助于投资者获利,也有利于政府部门提供及时合理的市场指导与监管。因此,如何准确预测股票市场是一个重要而有价值的课题。现今,大量人工智能和机器学习技术被应用于股票市场的预测中,而反向传播神经网络(BPNN)更是智能预测中使用最为广泛的技术之一。但BP神经网络具有局部搜索能力强,全局搜索能力弱的缺点。因此,本文在其基础上加入了具有强全局搜索能力的粒子群优化算法(PSO),提出了一种将PSO算法用于训练BP神经网络初始权重的混合算法,并称之为PSO-BP神经网络算法。本文通过PSO-BP神经网络对上证指数收盘价进行实证分析,探讨了样本指标、数据的选取;网络的拓扑结构的构成;隐含层节点个数及激活函数的选取等问题。同时,我们也给出同样是智能混合算法的GA-BP神经网络算法并加以比较。实验结果表明,在模拟与预测的效果上,混合PSO-BP神经网络算法均优于GA-BP神经网络算法与BP神经网络算法;且能够较为准确的预测出近一段时间上证指数的收盘价格与未来涨跌情况,模型有着良好的应用前景。

关键词: BP神经网络 PSO算法 股票预测

For information in English, please click here

Research on Application of Shanghai Stock Index Prediction Model Based on PSO-BP Neural Network

FANG Sixue 1   

方思学(1993-),男,硕士研究生,研究方向:量化投资

Hu Rongcai 1   

胡荣才(1976-),男,副教授、硕士生导师,主要研究方向:金融计量

  • 1、Finance and Statistics School,Hunan University,Changsha 410006

Abstract:With the rapid development of the national economy and the continuous improvement of the market economy, stock investment has become an important part of modern people\'s investment and financial management. The fluctuation of the stock price directly affects the stability of the stock market and the healthy development of finance and economy. Successful forecasting of stock prices and trends helps investors to make profits, and it also helps government departments provide timely and reasonable market guidance and supervision. Therefore, how to accurately predict the stock market is an important and valuable issue. Nowadays, a large number of artificial intelligence and machine learning technologies have been used in the prediction of the stock market, and back propagation neural network (BPNN) is one of the most widely used technologies in intelligent prediction. However, BP neural network has the disadvantages of strong local search ability and weak global search ability. Therefore, this paper adds a particle swarm optimization (PSO) algorithm with strong global search capability and proposes a hybrid algorithm that uses PSO algorithm to train the initial weights of BP neural network. It is called PSO-BP neural. Network algorithm.This paper uses PSO-BP neural network to empirically analyze the closing price of the Shanghai Stock Exchange Index, discusses the selection of sample indexes and data, the topology structure of the network, the number of hidden layer nodes, and the selection of activation functions. At the same time, we also give GA-BP neural network algorithms that are also intelligent hybrid algorithms and compare them.The experimental results show that the mixed PSO-BP neural network algorithm is superior to the GA-BP neural network algorithm and BP neural network algorithm in the simulation and prediction effect, and can accurately predict the closing price of the Shanghai index in the near future. In the future, the model has a good application prospect.

Keywords: BP neural network PSO algorithm stock prediction

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
方思学,胡荣才. 基于PSO-BP神经网络的上证指数股票预测模型应用研究[EB/OL]. 北京:中国科技论文在线 [2018-05-16]. http://www.paper.edu.cn/releasepaper/content/201805-134.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于PSO-BP神经网络的上证指数股票预测模型应用研究