神经网络模型在股市预测中的应用(2)
本文试图在所知道的知识及参考文献的基础上，通过建立的BP神经网络预测模型，对上证180指数贵州茅台2014年的整体数据进行预测实验，希望可以对股票市场领域的研究有所帮助.
1. BP 神经网络模型
1.1 BP 神经网络模型概述
1.1.1 BP神经网络模型的研究背景及意义
20世纪40年代，心理学家Mcculloch 和数学家Pitts最先开始了神经网络的研究，是他们提出了MP模型.神经网络的发展起因于50 年代末，F.Rosenblatt 研究制作了感知器，它是一种多层的神经网络，正因为它的出现，学者们首次把神经网络的研究从理论研究转移到实践中，关于神经网络的研究也逐渐多了起来，但又因为它的局限性问题，一直到60年代末期，其研究依然徘徊在低迷的状态.
但是，随着美国知名学者Hopfield 在1982 年和1984 年发表了关于神经网络研究的两篇论文，引起了社会上很多学者的关注，人们在他的贡献上进行了新的探索，又有了新的认识，它也可以应用于实际中，一大批学者对此进行深入研究，形成了新的研究热潮，1984 年，随着Boltzman 机模型的提出.1986 年提出了误差反向传播神经网络，简称BP 网络.现在，BP 网络已成为了学者们使用频繁的网络.
虽然神经网络可以用在分类、聚类、预测等方面的研究.但是，在神经网络模型的实际应用中，BP神经网络模型是其中应用最广泛的，因为它是前向网络的主要内容，所以神经网络的研究很有必要，它不仅可以用在计算机上，还可以应用于其他相关领域.
1.1.2 BP神经网络模型研究现状
80 年代以来，神经网络迎来了最活跃的时期，学者们对其有了更深的研究，它可以解决许多问题，并在许多领域取得了很大的进展.神经网络技术与其它技术相结合，以及由此而产生的混合技术，也成为学者们研究的一大热点.而神经网络的应用范围也在不断扩大，希望在以后神经网络可以在其他的领域中获得良好的使用效果.BP 神经网络模型在此更有优势，它是一个非线性网络可以以任意精度无限接近于任何连续函数,因而在很多领域中都得到了广泛的应用.但BP神经网络在股市方面的成就不是很高，由于神经网络对下列问题都有很大的影响，比如预测时期限的长短，摄取信息的方法和算法的优化等，以及其自身的缺点，都使得其不能更好的与股市方面融合.
1.2 BP神经网络模型原理
1.2.1 神经网络模型原理
神经网络，全称是人工神经网络.神经网络是由大量的、简单的处理单元（称为神经元）经过复杂的相互传播连接形成的系统[1].这种系统的特点是比较复杂，与人脑的很多基本功能相联系.神经网络在试验过程中的训练速度及学习速度很快，也可以很轻松的实现，预测的准确程度高.神经网络是一门新兴的学科，它的发展与其他领域的科学有关，并在其他领域取得了一些成果.
1.2.2 BP神经网络模型算法
BP神经网络也称为误差反向传播神经网络[2].它也是一个多层前馈神经网络，其中含有输入层，隐含层，输出层，每层有许多神经元节点，连接上一层和下一层节点的是权值，每个单元的初值定义是阈值，同一层的各个节点互不影响[3].首先，外界的信息进入到输入层，然后会移动到中间层，经过处理以后根据其信息的功能会改变中间层的结构，之后信息会来到输出层，经过优化处理后完成了一次正向的传播过程.若输出层不能得到期望输出，则误差会进行反方向的传递，使之梯度降低直到实际与期望的导出值的误差均方差值最小为止