2.2  股票市场概述

金融市场就是资金融通市场。金融市场的实际表现形式相对多样，其中就包括了股票市场。这里我们将重点放在下文主要讨论的股票与股票市场上。

股票是由股份公司发行的有形的所有权记名凭证，是一种股份公司为了筹集资金而发行给各股东的作为持股凭证并借以取得红利和股息的有价证券[2]。一般来说，股票是股份公司资本组成的一部分，可以被买卖或转让，是资本市场主要的长期信用调节工具。股票所象征的所有权是一种综合的权利，在公司的投票表决、股东大会或者公司的重大决策中都有所体现，但这种权利也意着在公司的错误决策中将要承担相应风险。

股票市场是股票进行流通、买卖和转让的场所。在股票市场中，可分为一级市场与二级市场[3]。一级市场是筹集资金的政府机构或公司将其新发行的债券和股票等有价证券销售给最初购买者的金融市场。当股票在一级市场发行之后，最初购买者会向公众推销这些证券，这时股票就流向了二级市场，亦即证券交易市场，二级市场即是股票等有价证券进行交易、流通的市场，也就是我们熟悉的股票进行交易的场所。

在股票市场中通常会有许多技术或属性指标，基本面分析就是其中之一，它是以证券的内在价值为依据，以判断股票市场未来走向为目标，着重于对影响股票价格及其走势的各项因子对政治和经济数据的透彻分析[4]。基本面分析所假设的前提是：股票的价格是由其本身的内在价值决定的，并在一定程度上受到其他一些如宏观经济、心理等因素的影响。

股票预测也叫股票的回测，是利用现有的交易数据对未来某一支或股指进行预测的技术，在回测过程中会使用相应的策略，通常人们会采用一些公式或基于统计的计算策略，这些策略相对简单且回测结果通常是针对短期的投资，这里我们使用神经网络作为回测策略，对上证A股指数做中长期的预测。

在股票的预测中，还用到了股票指数的概念，股票指数是由金融服务机构或证券交易所编制的一种表明股票市场变动的供参考的指示性数字[5]。我国内地的股指主要包括上证股票指数与深圳综合指数，这里主要介绍上证A股指数。上证A股指数就是由上海证交所编制的普通股票，因为抽样样本全是相对具有代表性的上市A股股票，因此上证A股可以基本反映我国A股股票市场的整体波动状况。

2.3  神经网络概述

神经网络是机器学习中十分重要的一个分支，有关神经网络的研究已经深化到单独分化出一门相关学科：深度学习。神经网络采用了自下而上的研究思路。关于神经网络目前还没有严格的定义，它的一个明显的特点是以模仿大脑中神经元之间传递处理信息的模式完成输入到输出的过程。神经网络的基本流程就是建立网络、分配权值、评估反馈、修改权值的不断循环训练。随着神经网络技术不断发展，他与传统生物学意义上的神经网络模型渐渐脱离，而保留下了分布式、非线性且自适应自组织的特性。

神经网络这个计算模型理论最初由科学家Walter Pitts和Warren McCulloch 提出，并在后来的“感知器”中做了算法上的精确定义，这个数学模型在日后也成为了许多神经网络的原型。

神经网络的核心思想可以概括为分布式表征（Distributed Representation），即对于某个概念的表达是由多个不同属性完成的，而每个属性在实际实现上由单个神经元表示。分布式表征存储效率较高，如果线性增加网络中神经元的数目，可表达的信息量将会呈现指数级的增长。分布式表征还有一个优点，局部的神经元损坏并不会使整个神经网络受到全局性的破坏。