您当前所在位置: 首页

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

中文期刊 英文期刊

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

中文专著 英文专著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文译著 英文译著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文论文集 英文论文集

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

中文文献 英文文献

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

后印本*

(请提交PDF文档)

基于PSO-BP神经网络的上证指数股票预测模型应用研究

引用

复制文本

导出参考文献

.txt .ris .doc

方思学

方思学(1993-),男,硕士研究生,研究方向:量化投资

胡荣才

胡荣才(1976-),男,副教授、硕士生导师,主要研究方向:金融计量

发送私信

发送给

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

动态公开评议

评论

评论一下

全部评论
评论