学位论文 > 优秀研究生学位论文题录展示

基于PSO优化的BP神经网络股票预测模型

作　者: 张文霄
导　师: 王轩
学　校: 哈尔滨工业大学
专　业: 计算机科学与技术
关键词: BP神经网络 PSO 股票预测粒子群优化
分类号: TP183
类　型: 硕士论文
年　份: 2010年
下　载: 253次
引　用: 0次
阅　读: 论文下载

内容摘要

股票市场作为经济的“晴雨表”在我国经济中起着非常重要的作用,有效的股票预测在金融投资领域占有重要地位。但是股市受政策、经济、以及投资者心理等诸多复杂因素的影响,是一个高度复杂的非线性动态系统,具有典型的复杂不确定性的特点。神经网络具有很强的非线性逼近能力和自学习、自适应等特性,能自动从历史数据中提取有关经济活动的知识,因而非常适合用来解决股票预测领域中的一些问题,实验证明,利用神经网络对股市建模可以取得比较不错的短期预测效果。但是传统的神经网络存在学习速度慢、易陷入局部极小值,预测结果精度不高的缺点,针对这些缺点,本文将PSO(Particle Swarm Optimization)算法应用到BP(Back Propagation)神经网络的优化上,并对PSO算法进行优化,基于大量的实验,选择合适的BP神经网络优化算法。本文的工作包括:首先,分析了股票的可预测性,股票市场的影响,并对国内外相关技术的研究进展进行了综述。其次,建立了基于BP神经网络的股价预测模型,通过实验确定预测模型结构;结合股票市场规律,选择输入输出变量,通过历史数据挖掘股票市场潜在规律,,用以预测未来的走势。最后,针对BP算法的缺点,采用PSO算法优化BP神经网络,用PSO训练BP神经网络权值,加快BP网络的收敛速度;对比各种PSO优化算法,基于大量实验,选择合适的粒子群算法,建立基于PSO优化的BP神经网络预测模型。实验证明,带控制因子的非线性递减策略的粒子群算法在BP神经网络的优化方面取得了较好的效果。

全文目录

摘要  5-6
Abstract  6-9
第1章绪论  9-14
  1.1 课题研究背景及意义  9-10
    1.1.1 课题研究背景  9
    1.1.2 课题研究的意义  9-10
  1.2 股票预测面临的问题  10-11
  1.3 国内外研究现状  11-12
  1.4 股票分析软件的现状  12-13
  1.5 本文主要研究内容  13-14
第2章 BP 神经网络  14-25
  2.1 人工神经网络  14-16
    2.1.1 神经网络模型  14-16
  2.2 BP 神经网络  16-22
    2.2.1 BP 神经网络模型  16-17
    2.2.2 BP 学习算法  17-20
    2.2.3 BP 神经网络的缺点  20-21
    2.2.4 BP 神经网络优化常用方法  21-22
  2.3 基于BP 神经网络的预测模型  22-23
  2.4 本章小结  23-25
第3章基于PSO 优化的BP 神经网络  25-34
  3.1 粒子群算法概述  25-31
    3.1.1 基本粒子群算法  25-27
    3.1.2 PSO 算法中的参数设置  27-28
    3.1.3 粒子群算法优化  28-31
  3.2 基于PSO 优化的BP 神经网络预测模型  31-33
  3.3 本章小结  33-34
第4章股票预测模型的建模与实验  34-54
  4.1 实验数据及预测内容  34
  4.2 实验环境  34
  4.3 神经网络预测模型及结果分析  34-38
  4.4 基于PSO 优化的神经网络预测模型  38-53
  4.5 本章小结  53-54
结论  54-56
参考文献  56-59
攻读学位期间发表的学术论文  59-61
致谢  61

基于PSO优化的BP神经网络股票预测模型

内容摘要

全文目录

相似论文