分享到:

股票价格预测方法研究

随着中国经济的迅速发展,中国的股票市场不断完善,人们对于股市的参与越来越多,渴望对股票价格的预测和好的预测精度。这是目前全世界都在关注的一个股票问题。这个问题吸引着无数的学者进行研究。本文针对这一问题,系统地介绍了股票价格的预测理论的发展进程,以及各种常用的时间序列预测方法,包括ARIMA,神经网络,灰色理论,以及最新发展起来的支持向量机(Support Vector Machine,SVM)理论,并重点对支持向量机(Support Vector Machine,SVM)理论作了详细介绍。分别从理论背景,基本含义,基本原理,常用做法,基本步骤,及其改进和发展等几个方面作了全面介绍,并对他们的优缺点作了简单比较和分析。另外,本文还运用支持向量机(Support Vector Machine,SVM)和ARIMA分别对招商银行2006年下半年的股票价格做实证分析。通过做回归分析和预测,找出其中的最优参数,并对最后12月份的价格作出了  (本文共64页) 本文目录 | 阅读全文>>

武汉理工大学
武汉理工大学

基于财经新闻情感倾向值的股票价格预测研究

随着我国经济的稳定发展,人民生活水平的提高,居民可支配收入的增长,如何对闲置资金进行合理投资成为越来越多人关注的话题。股票作为一种高风险与高收益并存的投资方式,也因此受到了广泛的关注。而如何有效规避股市风险,提高投资收益,也毫无疑问成为了业界持续探讨和研究的问题。近年来,股票预测领域的研究重点渐渐从传统的基于股票关键指标的预测分析转移至基于新闻等基本面信息和关键指标相融合的预测分析。行为金融学理论指出新闻等文本可以通过影响投资者心理进而影响投资者决策,最后作用于股票价格,因此产生了诸多基于新闻情感倾向的股票预测研究。然而目前该领域的研究还存在以下问题:1)新闻情感倾向分析更多是一种基于情感倾向类别的分析,很少分析或应用研究从情感倾向强度这种细粒度层面展开;2)基于新闻情感倾向类别的研究由于无法得到精度更高的新闻情感倾向强度,因此不能有效提高股票预测的精度,尤其是在股票价格具体值的预测方面。针对以上问题,本文设计了一种财经新闻情感...  (本文共73页) 本文目录 | 阅读全文>>

青岛科技大学
青岛科技大学

基于遗传算法优化的BP神经网络股票价格预测

随着社会经济的发展,人们对投资理财的关注度持续升温,投资股市已成为越来越多人的选择。然而,由于股票市场受经济、政策以及投资者心理等诸多复杂因素的影响,是一个高度复杂的非线性动力系统,具有典型的不确定性的特点,致使股票投资虽然高回报但同样要面临高风险,一旦预测不准势必会造成投资者资金的损失。所以对投资者来说需要一种有效的分析方法来辅助决策,尽可能的将风险降到最低。自从股市诞生以来就涌现出了很多的预测方法,传统的预测方法大多建立在长期、大样本的数据统计分析基础之上,所以对中长期的股市预测比较准确。但是股市是一个复杂的非线性动力系统,传统的预测方法在面对风云变幻的短期股市价格预测上有些力不从心。人工神经网络具有很强的非线性逼近能力、自学习和自适应等特性,因而非常适用于解决股市预测领域中的一些问题。近年来,应用人工神经网络对股市预测的研究已成为国内外学者研究的热点,并取得了较好的效果。本文选择了算法成熟、应用广泛的BP神经网络来对股票价...  (本文共65页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

基于遗传神经网络的股票预测研究

随着我国经济快速增长和金融市场的不断扩大,股票已经成为人们经济生活的重要组成部分。股票市场出现以后,人们就试图研究股票的价格波动,掌握价格波动的规律,学术界发明了多种研究方法来对股票进行预测。BP神经网络作为大数据预测方面的经典算法而备受投资者和研究人员的青睐,但是,BP算法由于本身存在收敛速度慢、容易陷入局部极小点等缺陷导致其预测效率较低。本文在深入分析股票价格预测面临的问题和比较多种股票价格预测方法的基础上,探讨了遗传BP神经网络算法对股票价格进行预测的方法。首先,采用遗传算法搜索出的最优个体作为BP神经网络的初始权值和阀值,再使用试凑法确定隐含层节点的具体个数,构造BP神经网络的结构。接着,采用BP算法训练网络,训练过程自动调整学习率。基于遗传算法的BP神经网络,既能发挥遗传算法的全局搜索性,也能发挥BP神经网络的快速性和高效性。两者有机结合,加快运算效率,增强BP神经网络的学习能力和对股票的预测能力。基于这个算法思想,本...  (本文共64页) 本文目录 | 阅读全文>>

北京工业大学
北京工业大学

鲁棒自适应BP算法及其在股票价格预测中的应用

本文从基本BP算法在应用中存在的不足出发,着重分析了训练样本中所含噪声对基本BP算法在网络训练过程中产生的不良影响,并以此为依据,采用鲁棒统计技术,同时在优化算法上做了一些有益的改进,提出一种新的具有较强抗干扰能力的BP算法——鲁棒自适应BP算法,并将其应用于动态BP网络,进行股票价格的预测,取得了较好的预测效果。与基本BP算法相比,本文提出的鲁棒自适应BP算法具有以下优点:(1) 与鲁棒统计技术相结合,通过训练样本相对偏差的大小,确定不同训练样本对能量函数的贡献,来抑制含高噪声干扰样本对网络训练的不良影响,从而增强训练的鲁棒性,提高网络训练的收敛速度;(2) 采用相对偏差和绝对偏差两种偏差形式对权值进行调整,提高了网络的训练精度; (3)在采用梯度下降算法对权值进行调整的基础上,通过将学习速率设为训练误差及误差梯度的特殊函数,使学习速率依赖于网络训练时误差瞬时的变化而自适应的改变,从而可以克服基本BP算法容易陷入局部极小区域的...  (本文共109页) 本文目录 | 阅读全文>>

东北财经大学
东北财经大学

互联网公司的股票价格预测研究

近年来,经济的迅速发展以及股票市场的逐渐完善,股票已经成为人们投资的一种重要方式,而互联网公司经历了网络经济泡沫后,发展愈加成熟,并以其高效、低成本的特点,对传统企业造成了极大的冲击。互联网公司具有高增长性和高风险性,对互联网公司的价值以及股票的分析,得到了风投甚至普通投资者更多的关注,如何有效的评估互联网公司价值,以及对股票的价格进行预测,对于投资者来说具有理论意义和应用价值。关于互联网公司的价值,本文主要从政治、经济以及国家政策等角度,探讨互联网行业的发展状况与前景;另外,分析了互联网公司的价值来源:直接经济、注意力经济和规模经济等,从公司的角度出发,提出了公司盈利情况、公司知名度、市场专注度和创新能力、市场份额和推广能力、管理团队以及融资能力等几项指标,用于对互联网公司的价值进行评估。在具体的公司价值评估方法上,主要有市盈率模型、经济附加值模型、贴现现金流模型等评估方法,因为不作为本文研究重点,故在此不再赘述。在公司的股票...  (本文共81页) 本文目录 | 阅读全文>>