论文摘要
本文分析了基于BP网络进行股市预测的原理,利用三层前馈神经网络对股市建立预测模型,详细探讨了网络的拓扑结构、隐节点个数确定的原则、样本数据的选取和预处理、初始参数的确定等问题。本文探讨了BP神经网络的模型与结构,BP学习规则,构建了基于BP神经网络的时间序列预测模型,研究了神经网络的规模、推广能力等问题。并利用建立的BP神经网络模型,采用单隐层多输入单输出系统,预测股票市场第2个交易日的收盘价变化趋势。应用Levenberg-Marquardt算法对网络进行训练,对网络结构进行了隐层结点的优化,有效的解决了神经网络隐层结点的选取问题。本文使用MATLAB编程实现所设计的BP网络,还引入了模糊逻辑,使用模糊修正方法对结果进行修正。仿真结果表明使用方法切实有效。
论文目录
摘要ABSTRACT目录第一章 引言1.1 股票市场的产生1.2 股票价格的预测意义1.3 股票价格的预测分析简介1.4 股市的可预测性1.5 股市分析预测的两种基本方法1.6 国内外研究进展1.7 本文的主要工作章节安排第二章 神经网络模糊逻辑的基本理论及其结合2.1 神经网络理论2.1.2 神经网络结构及功能2.1.2.1 神经网络的性质2.1.2.2 神经网络的模型分类2.1.2.3 神经网络的学习规则2.1.2.4 BP算法的工作过程2.1.2.5 多层前馈网络的结构设计2.1.2.6 BP网络结构的设计2.2 模糊逻辑基本理论2.2.1 模糊数学2.2.2 模糊理论的提出2.2.3 模糊集合2.3 模糊逻辑和神经网络的结合2.3.1 可结合性2.3.2 结合的现实意义2.4 本章小结第三章 神经网络预测模型分析设计与实现3.1 模型分析3.1.1 问题具体化3.1.2 股票数据的选择3.1.3 股价预测的EBP网络模型3.1.4 数据的预处理3.1.5 回溯期的确定3.2 预测方法3.3 神经网络预测的一般步骤3.4 本章小结第四章 股票预测系统的设计与实现4.1 预测依据的选择4.2 神经网络的结构设计和参数初始值确定4.2.1 网络层数及各层神经元数目的确定4.2.2 相关参数的确定4.3 建模工具介绍4.4 数据准备4.5 建立预测模型4.6 建立模糊修正模型4.7 本章小结第五章 实验5.1 预测效果图5.2 性能评价5.3 本章小结第六章 结论与展望参考文献致谢
相关论文文献
标签：股票预测论文; 神经网络论文; 模糊修正论文;
