基于遗传算法与BP神经网络的股票预测

作者:胡照跃;白艳萍 刊名:数字技术与应用 上传者:吴钟丽

【摘要】股票价格走势已经成为人们关注的焦点,本文应用遗传算法去寻找BP神经网络的初始权值和阈值,并且应用主成分分析提取贡献率达到90%的主成分作为输入变量对股票进行预测。本文以苏宁云商为对象对其开盘价进行预测,实验结果表明,PCA-GA-BP模型在降低预测平均误差的同时,运行时间大大减少,加快了算法收敛速率,较为准确地预测了苏宁云商的开盘价,具有较高的精确度和应用价值。

全文阅读

算法分析 ln数目啦术 r 基于遗传算法与BP神经网络的股票预测 胡照跃 白艳萍 (中北大学理学院数 学系 山西太原 030051) 摘要:股票价格走势已经成为人们关注的焦点,本文应用遗传算法去寻4YmP神经网络的初始权值和阈值,并且应用主成分分析提取贡献率达到9O% 的主成分作为输入变量对股票进行预测。本文以苏宁云商为对象对其开盘价进行预测,实验结果表明,PCA—GA—BP模型在降低预测平均误差的同时 运行时间大大减少,加快了算法收敛速率,较为准确地预测 了苏宁云商的开盘价,具有较高的精确度和应用价值。 关键词:股票 BP网络 主成分分析 遗传算法 中图分类号:TP183 文献标识码:A 文章编号:1007—9416(2016)03—0146—01 1引言 现在股市投资已经成为人们 日常生活的一个重要组成部分,然 而股市投资的收益与风险往往是成正 比的【l1 z-。近年来 ,由于神经网 络技术的飞速发展,为股票市场预测中新技术、新方法的应用提供 了有利条件。BP神经网络具有很强的非线性模拟能力 ,遗传算法能 够收敛得到全局最优解,因此本文分别将遗传算法与BP神经网络结 合起来口1,使BP神经网络具有较快的收敛性、全局优化能力和较强的 学 习能力 。 2基于遗传 算法的BP神经网络模型权重参数优化 BP学习算法属于全局逼近算法 ,有较好 的泛化能力 ,但是BP神 经网络有收敛速度慢、易陷入局部最小值的缺点⋯ 。遗传算法 (Genetic Algorithms,简称GA算法)是1962年由美国Michigan大学 H0uand教授提出的模拟自然界遗传机制和生物进化论而成的一种 并行随即搜索最优化方法。遗传算法是基于自然选择和遗传学机理 的迭代自适应概率搜索算法,可克服人工神经网络自身的缺陷,逐 步提高网络训练速度和预测精度 ]。 3主成分分析 主成分分析(Principal component analysis,简称PCA)是由 Hotelling于1933年提出[嗣。主成分分析的主要思想是将原来众多具 有一定相关性的指标,重新组合成一组新的互相无关的综合指标来 代替原来 的指标 ,从而使得这些主成分所包含的信息互不重叠 ,要 求各主成分之 间互不相关 。 4实验结果分析 本文中的股票数据来自通信达股票交易软件,所用软件为 MATLAB(R2014a)仿真软件 ,选取了苏宁云商从2015年2月 12日到 2015年7月17日这期间内102个交易 日每 日的各种指标。我们应用主 成分分析方法提取贡献率满足90%的主成分作为输入变量,从而进 行预测。(如表1) 从各算法计算结果比较可以看出,PCA—GA—BP模型训练的神 经网络学习算法 ~LGA-BP算法无论在收敛速度上 ,还是在误差及精 度上 ,都取得了更好 的效 果。 5结语 股票市场是个非稳定的时间序列,利用常规的预测方法往往效 果不好。本文应用遗传算法去寻找BP神经网络的初始权值和阈值 , 从而进行预测。实验结果表明 ,遗传算法 和BP神经 网络相结合对股 票市场的预测具有很好的效果和研究价值。该方法的主要优点有: 网络结构简单,收敛速度快,预测精度高,减少了输入变量的维数。 参考文献 [1]麻卫华,李玉红.股指期货与我国股票市场发展[J].金融教学与研 究,2004(05). [2]师智斌,陈立潮,靳雁霞.基于神经网络的股票交易数据的预测研 究[J].华北工学院学报,2003(06). [3]吴成东,王长涛.人工神经元BP网络在股市预测方面的应用[J].控 制工程,2002(03). [4]

参考文献

引证文献

问答

我要提问