毕业论文移动版

3.7应用神经网络预测的一般步骤 11

四、改进的BP算法在股市预测中的应用 12

4.1 BP神经网络用于股票预测的基本步骤 12

4.2 BP神经网络的MATLAB实现 12

4.3 BP神经网络进行股票预测的实例分析 15

4.4仿真实验及结果分析 17

4.5实验结论 19

五、总结与展望 21

5.1总结 21

5.2展望 21

致谢 22

参考文献 23

 一、引言

1.1课题的研究背景

    在人们生活日益改善的今天，收入和生活水平的不断提高，手里的钱也更加充足。这个时候，该把钱放到哪里去成大家思考的问题，所以各种理财手段应运而生。股票，基金，P2P等新的理财方式也吸引这数以亿计的人们去追捧，其中最为重要的手段还是股票。从去年2015年开始的股票牛市成为了人们茶余饭后谈论的焦点，大批大批的人前仆后继地涌入股市，都想从这个盛宴中分一杯羹。追求的人多了，对股市的关注自然也就大了，而股票价格的走向是其中最为重要的，如何准确分析股票市场的行情，做出最优的配置决策也顺理成章地成为了大家关注的重点。

    其实，追本溯源，股票是从作为市场经济相当重要的部分之一，在金融领域有着不可替代的地位，也将影响金融市场健康发展和稳定。股票预测作为股票市场中最为重要的一个环节，如何精准地预测股票股价的走势是一个非常抢手的课题，人们在探究内部规律的同时，逐步加深对股市的学习研究，努力获得其内部规律。然而，股票价格趋势作为一个高度的非线性的系统，要达到准确的预测可谓是难上登天，所以100%的准确预测是不存在的，只能利用数学模型逼近其走势。另外，股市的信息量十分大，可以说是大数据时代的代表，这就对数学算法提出了十分高的要求，也正是这些复杂的情况，才激发了人们一直不懈努力去探究的动力，所以股票股价的预测方法也是百花齐放。

1.2传统的股票预测方法

1.2.1基本面分析法和技术分析法

这种方法对研究者的数学功底要求不高，通过对股票市场的供求剖析，对股票进行估价，判断走势来辅助自己的投资，对长期投资者是一个比较重要可靠的方法。但是完全靠基本面的分析往往达不到投资者所期待的结果，所以技术分析法出现。而技术分析法根据对股票的剖析，从历史的交易数据入手，价格总是按照某种趋势运动。抛开其内在价值，价格的走势往往会重复历史，建立空中楼阁的基础理论，其中著名的有道氏理论、江恩理论等。但是作为一个非线性系统，股票遭受到各方各面要素的影响，十分困难通过上述两种方法来判别股票的走势，是因为其中掺杂太多的主观情感，所以股票预测进一步得到了发展。

1.2.2时间序列分析法

时间序列是数理统计的一个重要模型，它是以时间为序列，将数据按照时间的排序来进行预测的方法。对于股票市场来说，时间的走势恰恰准确反映了股票市场的连续性，基于动态数据来解释内部对的走势。这种方法简化外部要素对象的影响，是预测更加的便捷和高效,源^自#优尔^文~论`文{网[www.youerw.com。普通情况利用ARMA模型来剖析时间序列，而对于非平稳的序列，先进行差分运算，再转化为平稳序列来剖析，具体的工具可以通过SPSS，SAS等统计软件进行。然而严重的非线性，高噪声的系统不适用该方法一直预测，所以要求大量前提条件的时间序列模型并不太实用，预测的效果也很难保证。 (责任编辑：qin)