<acronym id="owqss"><center id="owqss"></center></acronym>
<acronym id="owqss"></acronym>
<acronym id="owqss"><center id="owqss"></center></acronym>

基于遺傳算法優化的BP神經網絡在股指預測中的應用研究

黃宏運 朱家明 李詩爭

引用本文:
Citation:

基于遺傳算法優化的BP神經網絡在股指預測中的應用研究

    作者簡介: 黃宏運(1995-),男,安徽人,主要從事機器學習與量化投資方面的研究.E-mail:varuto_hhy@163.com.;
    通訊作者: 朱家明, zhujm1973@163.com
  • 基金項目:

    國家自然科學基金(11601001)

    安徽高等學校省級自然科學基金(KJ2013Z001)

  • 中圖分類號: TP183

The BP neural network based on GA optimization in the application of the stock index forecasting

    Corresponding author: WU Li-bing, zhujm1973@163.com ;
  • CLC number: TP183

  • 摘要: 針對股票價格不僅受到眾多不確定性因素影響而且數據本身具有高度模糊非線性等特點而導致的預測難問題,首先利用具有良好非線性尋優能力的遺傳算法來優化BP網絡初始權閾值的設置,然后構建了一個基于歷史股票價量信息為輸入變量,日開盤價為輸出變量的股指預測模型,在對觀察期內上證綜指(開盤指數)的實證研究表明,優化后的BP網絡在訓練時不僅可以更快地實現收斂,而且對于訓練集與測試集樣本的預測性均得到明顯地提高.
  • [1] 李莎,李紅剛.股票市場中技術分析有效性的實證研究[J].北京師范大學學報:自然科學版,2009,45(2):212-214.
    [2] LI S,LI H G.Empirical study on the validity of technical analysis in stock market [J].Journal of Beijing Normal University:Natural Sciences Edition,2009,45(2):212-214.
    [3] ZHANG X Y,GUO S.Application of stock fundamental analysis in actual combat [J].China Securities Futures,2011(5):28-29.
    [4] 張秀云,郭樹.股票基本面分析在實戰中的應用[J].中國證券期貨,2011(5):28-29.
    [5] LI Z J,ZHANG H,SUN P Z,et al.Research on the forecast of shanghai and shenzhen 300 index futures based on ARIMA model [J].Journal of Ludong University:Natural Sciences Edition,2013,29(1):22-24.
    [6] ZHANG J,SHAN R,SU W F.Applying time series analysis builds stock price forecast model[J].Modern Applied Science,2009,3(5):56-59.
    [7] 李戰江,張昊,孫鵬哲,等.基于ARIMA模型的滬深300股指期貨價格預測研究[J].魯東大學學報:自然科學版,2013,29(1):22-24.
    [8] LI S S ,HUI X F.Study on fuzzy stochastic prediction and gray prediction of stock index[J].Journal of Harbin Institute of Technology:Social Science Edition,2010,12 (5):1-6.
    [9] LIU J M,LIU H B.Application of combination forecasting model in short-term forecast of stock index-an empirical analysis of Shanghai composite index[J].China Merchants,2014(5):93-96.
    [10] RM Kapila Tharanga Rathnayaka,DMKN Seneviratna,WEI Jianguo.Grey system based novel approach for stock market forecasting[J].Grey Systems:Theory and Application,2015,5(2):178-193.
    [11] 李嵩松,惠曉峰.股票指數模糊隨機預測與灰色預測實證比較研究[J].哈爾濱工業大學學報:社會科學版,2010,12(5):1-6.
    [12] HUANG H Y,WU L B,LI S Z.Application of BP neural network in stock index forecasting[J].Journal of Tonghua Teachers College,2016,37(5):32-34.
    [13] Md Rafiul Hassan.A combination of hidden Markov model and fuzzy model for stock market forecasting[J].Neurocomputing,2009,72(16):3439-3446.
    [14] GE J K,QIU Y H,WU C M,et al.Journal of computer applications[J] .Application Research of Computers,2008,25 (10):2912-2915.
    [15] 劉佳明,劉海濱.組合預測模型在股指短期預測中的應用#x02014;#x02014;以上證綜合指數為例的實證分析[J].中國商貿,2014(5):93-96.
    [16] HUANG H Y,WU L B,LI S Z.Application of GA-Optimized SVM in quantitative timing[J].Journal of Nanjing Normal University:Engineering and Technology Edition,2017,17(1): 1-8.
    [17] WANG T E,YE D Q.Application of improved dynamic network based on GA in stock market forecasting[J].Computer Technology and Development,2009,19(1):214-216.
    [18] 黃宏運,吳禮斌,李詩爭.BP神經網絡在股票指數預測中的應用[J].通化師范學院學報,2016,37(5):32-34.
    [19] CHEN D L,DISSANAYAKA M K N.Seneviratna.Using feed forward BPNN for forecasting all share price index[J].Journal of Data Analysis and Information Processing,2014,2(4):87-94.
    [20] HUANG H Y,WU L B,LI S Z,et al.Application of an improved IPSO-BP neural network in stock index forecasting[J].Journal of Yanbian University:Natural Sciences Edition,2016,42(4):351-356.
    [21] CHEN Q,HUANG K M,YANG X Q,et al.A BP neural network realization in the measurement of material permittivity[J].Journal of Software,2011,66:1089-1095.
    [22] MEN H,ZHANG J,ZHANG L H.Intelligent recognition for microbiologically influenced corrosion based on hilbert-huang transform and BP neural network[J].Journal of Computers,2012,7(9):2283-2291.
    [23] ZHANG H S ,XU D P,ZHANG Y .Boundedness and convergence of split-complex back-propagation algorithm with momentum and penalty[J].Neural Processing Letters,2014,39(3):297-307.
    [24] 葛繼科,邱玉輝,吳春明,等.遺傳算法研究綜述[J].計算機應用研究,2008,25(10):2912-2915.
    [25] 黃宏運,吳禮斌,李詩爭.GA優化的SVM在量化擇時中的應用[J].南京師范大學學報:工程技術版,2017,17(1):1-8.
    [26] 王天娥,葉德謙.基于GA的改進型動態網絡在股市預測中的應用[J]計算機技術與發展,2009,19(1):214-216.
    [27] 黃宏運,吳禮斌,李詩爭,等.一種改進的IPSO-BP神經網絡在股指預測中的應用#x02014;以上證綜指為例[J].延邊大學學報:自然科學版,2016,42(4):351-356.
  • [1] 馬曉敏王新 . 基于遺傳算法的BP神經網絡改進. 云南大學學報(自然科學版), 2013, 35(S2): 34-. doi: 10.7540/j.ynu.2013b4
    [2] 范斌劉輝汪繁榮譚文龍 . 狼群算法優化BP神經網絡的電纜故障測距算法. 云南大學學報(自然科學版), 2016, 38(6): 873-878. doi: 10.7540/j.ynu.20160132
    [3] 吳文斗曹志勇 . 利用優化的遺傳算法解決飼料配方設計問題. 云南大學學報(自然科學版), 2009, 31(3): 242-246 .
    [4] 劉洋龍華趙繼東杜慶治 . 基于GABP技術的PCA彌苴河水質預測. 云南大學學報(自然科學版), 2017, 39(1): 39-44. doi: 10.7540/j.ynu.20160125
    [5] 舒紅宇彭來謝鑫尹亮 . 基于遺傳算法的電動代步車用輪轂電機優化設計. 云南大學學報(自然科學版), 2011, 33(2): 147-151 .
    [6] 賈時銀周冬明聶仁燦趙東風 . 脈沖耦合神經網絡模型參數優化及圖像分割. 云南大學學報(自然科學版), 2010, 32(5): 521-525 .
    [7] 焦亞召劉云 . 應用信息論方法優化判定無線傳感網絡中最小傳感器數目的研究. 云南大學學報(自然科學版), 2014, 36(5): 647-654. doi: 10.7540/j.ynu.20130553
    [8] 胡耀文孫俊方芳邵玉斌龍華 . 基于BP神經網絡的接收信號強度的檢測方法. 云南大學學報(自然科學版), 2017, 39(4): 534-538. doi: 10.7540/j.ynu.20160773
    [9] 費兵強韓煒馬霄華黨亞玲蔡寅潮譚惠李文軒 . 2010—2015年焉耆盆地LUCC特征分析及預測. 云南大學學報(自然科學版), 2017, 39(3): 395-404. doi: 10.7540/j.ynu.20160680
    [10] 馬永杰馬義德蔣兆遠 . 一種快速遺傳算法的性能分析. 云南大學學報(自然科學版), 2009, 31(5): 449-454 .
    [11] 閔文文梅 端代婷婷胡光華 . 基于遺傳算法SVM的基因表達譜數據分析. 云南大學學報(自然科學版), 2013, 35(4): 441-446. doi: 10.7540/j.ynu.20120663
    [12] 張自立劉惟一 . 基于動態貝葉斯網的狀態預測. 云南大學學報(自然科學版), 2007, 29(1): 35-39.
    [13] 黃瑋程建剛王學鋒周建琴晏紅明 . 基于氣候模式的動力-統計降尺度技術在云南降水預測中的應用. 云南大學學報(自然科學版), 2013, 35(6): 782-790. doi: 10.7540/j.ynu.20120078
    [14] 趙云劉惟一 . 一種基于遺傳算法求集中網站的方法. 云南大學學報(自然科學版), 2003, 25(6): 490-492.
    [15] 蔡娜王俊英劉惟一 . 一種基于小數據集的貝葉斯網絡學習方法. 云南大學學報(自然科學版), 2007, 29(4): 359-363,370.
    [16] 張美玲李巧明 . 瀕危植物望天樹SSR-PCR反應體系的優化. 云南大學學報(自然科學版), 2011, 33(S2): 425-432.
    [17] 楊蔚宇肖波 . 民族文化數字化保護研究中的虛擬現實優化分析. 云南大學學報(自然科學版), 2010, 32(5): 532-536 .
    [18] 魏茂琪管嬌瓊王明清朱文勇鐘漢斌宋紹輝歐陽圣潔代小虎廖國陽 . 利用Tween 80去除b型流感嗜血桿菌莢膜多糖中雜蛋白方法的優化. 云南大學學報(自然科學版), 2017, 39(5): 883-889. doi: 10.7540/j.ynu.20170046
    [19] 胡金明楊飛齡劉鋒邱成左瀟瀟 . 基于人為壓力和保護優先生境分析的云南省保護地體系優化研究. 云南大學學報(自然科學版), 2018, 40(6): 1159-1170. doi: 10.7540/j.ynu.20180386
    [20] 陳義光劉祝祥李銘剛文孟良郭端強徐麗華 . 產環己酰亞胺新菌株YIM41004種子培養基優化研究初報. 云南大學學報(自然科學版), 2006, 28(2): 173-177.
  • 加載中
計量
  • 文章訪問數:  862
  • HTML全文瀏覽量:  165
  • PDF下載量:  507
  • 被引次數: 0
出版歷程
  • 收稿日期:  2016-09-18
  • 刊出日期:  2017-05-20

基于遺傳算法優化的BP神經網絡在股指預測中的應用研究

    作者簡介:黃宏運(1995-),男,安徽人,主要從事機器學習與量化投資方面的研究.E-mail:varuto_hhy@163.com.
    通訊作者: 朱家明, zhujm1973@163.com
  • 1. 安徽財經大學 金融學院,安徽 蚌埠 233000;
  • 2.  2.安徽財經大學 統計與應用數學學院,安徽 蚌埠 233000
基金項目:  國家自然科學基金(11601001) 安徽高等學校省級自然科學基金(KJ2013Z001)

摘要: 針對股票價格不僅受到眾多不確定性因素影響而且數據本身具有高度模糊非線性等特點而導致的預測難問題,首先利用具有良好非線性尋優能力的遺傳算法來優化BP網絡初始權閾值的設置,然后構建了一個基于歷史股票價量信息為輸入變量,日開盤價為輸出變量的股指預測模型,在對觀察期內上證綜指(開盤指數)的實證研究表明,優化后的BP網絡在訓練時不僅可以更快地實現收斂,而且對于訓練集與測試集樣本的預測性均得到明顯地提高.

English Abstract

參考文獻 (27)

目錄

    /

    返回文章
    返回
    鸿禾娱乐