基于灰色神经网络组合模型的股票价格预测研究

论文摘要

作为市场经济重要特征的股票市场,从诞生的那天起就牵挂着数以千万投资者的心,股市投资已经成为人们生活中的重要组成部分。高风险高回报是股票市场的特征,因此投资者们时刻在关心股市、分析股市、试图预测股市的发展趋势。股票价格的变化也就成为股票市场中人们最关心的问题。由于股市的行情受到政治、经济等多方面因素的影响,其内部规律非常复杂,传统的预测技术预测效果并不理想。基于股票市场中随机因素很多,对股指、价格的影响显著,表现出很强的非线性、不确定性。本文提出了利用灰色理论和神经元网络相结合的组合模型对股票的价格进行预测。首先,本文分别使用了灰色理论模型和神经网络模型对股票价格进行了预测。预测结果表明,在对股票走势的短期预测中,灰色模型是一个高效率的方法,而神经网络模型同样表现了较好的预测效果,但单一模型预测效果仍然不够理想。针对单一模型预测的缺点,本文建立了灰色理论与神经网络的串行组合模型,并使用该组合模型对股票价格进行了预测。数值实验结果表明,组合模型预测结果比单一模型有所改进。同时,在组合模型用于股市预测的工作中,本文将股市中广泛使用的技术指标如三日均价MA(3)、随机指标KDJ、相对强弱指标RSI、人气指标OBV等引入模型,提高了模型的预测精度。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题背景
• 1.2 常用的股价预测方法
• 1.3 股市预测的难点
• 1.4 股票相关指数与变量
• 1.4.1 股票价格指数
• 1.4.2 股市常用术语
• 1.4.3 股市常用技术指标
• 1.5 论文的主要内容
• 第二章 灰色理论用于对股市的预测
• 2.1 灰色系统的基本理论与应用
• 2.1.1 灰色理论简介
• 2.1.2 灰色系统的特点
• 2.1.3 灰色系统的研究内容
• 2.1.4 灰色预测方法
• 2.2 灰色模型的建立
• 2.2.1 灰色动态模型的数学原理
• 2.2.2 灰色微分方程
• 2.2.3 GM（1,1）模型
• 2.2.4 pGM（1,1）模型
• 2.2.5 无偏GM（1,1）模型
• 2.2.6 残差修正模型
• 2.3 灰色模型对武钢股份5日均价的预测
• 2.3.1 用GM（1,1）模型预测
• 2.3.2 用pGM（1,1）模型预测
• 2.3.3 用改进的无偏GM（1,1）模型预测
• 第三章 神经元网络用于对股市的预测
• 3.1 神经元网络的基本理论与应用
• 3.1.1 人工神经元网络简介
• 3.1.2 神经元网络的特点
• 3.1.3 神经元网络的分类
• 3.1.4 神经网络的学习
• 3.1.5 神经元网络的应用
• 3.2 径向基函数（RBF）网络
• 3.2.1 RBF网络的原理和结构
• 3.2.2 RBF网络的学习算法
• 3.2.3 RBF网络与BP网络的比较
• 3.3 径向基函数网络对武钢股份5日均价的预测
• 3.3.1 RBF网络的训练步骤
• 3.3.2 数据的归一化处理
• 3.3.3 实验参数的选择
• 3.3.4 拟合预测结果
• 第四章 灰色神经元组合模型用于对股市的预测
• 4.1 组合模型的建立及对武钢股份5日均价的预测
• 4.1.1 组合模型的设计思想
• 4.1.2 组合模型的建模及预测效果
• 4.1.3 单一模型与组合模型预测结果的比较
• 4.2 组合模型可行性的验证
• 第五章 总结与展望
• 致谢
• 参考文献
• 附录 攻读学位期间发表的论文