摘要当前，某些商品价格波动对企业的生产有着重大影响，尤其对企业的决策者需要有前瞻性的估计有很重要的意义。本课题，以上市公司为对象，以价格为被控量，从控制理论应用的角度，探讨价格趋势模型。选取BP神经网路作为建模工具，对上证和深证的个股进行分析，基于个股的营收情况，机构占股比例以及单日成交量进行分析，得出上述因素对股价波动性的影响，再基于得出的波动性方程进行系统建模。建模后对短期数据（3天）进行了预测，预测的正确率可以达到70%，但在进行实时数据的预测时，误差率较大无法得出正确的走势。最终，我们可以得到如下结论，由于中国股市受政策影响较大，股价的波动并不完全符合市场预期，对于长期的精确预测是不现实的,但是用BP神经网络可以预测短期内的走势。84969

毕业论文关键字  股价预测 BP神经网络 股价波动性

毕业设计说明书外文摘要

Title  Research on modeling error self-correcting method        based on response curve                 

Abstract At present, some commodity price fluctuations have a significant impact on the enterprise's production, especially for the decision makers of enterprises need to have a forward-looking estimate has a very important significance。 This topic, taking listing Corporation as the object, takes the price as the controlled quantity, discusses the price tendency model from the angle of the control theory application。 BP neural network is selected as the modeling tool, on the Shanghai and Shenzhen stock analysis, revenue based on the A shares, institutions accounted for proportion of shares, and the daily turnover analysis, shows that the impact of these factors on the volatility of stock price, and based on that the volatility equation for system modeling。 After modeling, the short-term data (3 days) were predicted, the correct rate can reach 70%, but in the real time data prediction, the error rate is larger cannot get the correct trend。 Finally, we can get the following conclusion, because the stock market is affected by the policy, the volatility of the stock price does not fully meet the market expectations。

Keywords  Stock price forecasting   BP neural network   Stock price volatility 

目   次

1   绪论 1

1。1  研究的背景与意义 1

1。2  论文的主要研究内容 2

2    股价预测的常用方法 4

2。1  ARMA差分自回归滑动平均模型 4

2。2  GARCH广义自回归条件异方差模型 5

2。3  SVM支持向量机 7

2。4  BP神经网络 8

2。5  本章小结 10

3    研究影响股价变化的因素并建立简单价格模型 11

3。1  基本面分析层面 11

3。2  技术分析层面 11

3。3  探讨以上因素对股票价格的具体影响 12

3。4  基于股价波动性的BP神经模型进行股价预测 13

3。5  本章小结 14

4    基于时间序列神经网络的股价建模预测及matlab实现15

4。1  处理数据并自动生成BP网络 15

4。2  BP神经网络的训练 16

4。3  模型的实时预测 20

5   模型误差分析及修正23

5。1  建模函数的修正 23

5。2  短期测试数据的误差分析 26

结论 28

致谢 29

参考文献30

1  绪论

1。1  研究的背景与意义

对于一个上市公司的经营者和其股东来说，了解自身公司的发展至关重要，为了了解一个公司我们可以采取很多的方法，从其的生产规模，人员状况，近期收益情况等方面都可以分析出这个公司现在和过去的经营情况。但是为了全面考察公司的发展现状和对公司的未来进行很好的规划，单单从以上几个独立的方面来分析是远远不够的。我们需要更加全面的和实时的数据，只有掌握了充足的数据，我们才能对生产和需求有一个全面的把控，对生产计划和规模进行适度的调整，更好的面对市场经济的变化，在互联网的大潮下找到企业发展的方向。在长时间的分析和考察下，我们发现一个上市公司的股票价格能够全面而及时的反应该公司的生产经营状况，对同行业的其他公司也可以进行横向的对比。股价其实是一个公司核心竞争力的体现，是市场对于一家公司信心的体现。简单来说，如果一个公司的股票全面上涨，那么毫无疑问，这个公司不是受到了国家的扶持就是新型的朝阳产业，这个公司自然也极具发展前景。相比于其他的公司而言，他就可以提高生产规模，扩大企业利润，为企业的下一步发展谋求更好的投资。所以，分析一家上市公司最简单，也最全面的方法就是分析其股票并预测出股价的发展方向。股价也是公司历史发展良好的见证，我们分析一家公司的现状，必然不能撇开他的发展历史不谈。而历史是连续性的，通过对该公司股价的回顾我们可以很清楚的看出，在国家经济发展的不同情况下，该公司到底是一直领先于同行业的其他公司还是单纯随着经济形势的好转水涨船高。把握一家公司的行业地位，就像在股市中寻找龙头股一样，龙头股领涨抗跌，而上市公司作为行业的翘楚，自然也是引领整个行业的发展，在经济形势不景气之时，也可以做到自负盈亏，保证股东的利益。