基于神經(jīng)網(wǎng)絡(luò)的金融證券預測方法研究.pdf

1、金融證券市場是一個高度復雜的非線性動態(tài)系統(tǒng)，其時間序列的變化涉及到政治的、經(jīng)濟的、心理的諸多不確定因素的影響，且各個因素之間的相互作用是非線性和時變的，具有內(nèi)在的噪聲、隨機性和非平穩(wěn)性同時也具有周期性、趨勢性、自我組織調(diào)整、規(guī)律性。金融時間序列的輸入和輸出變量的相互關(guān)系會逐漸隨時間變化而變化，傳統(tǒng)的僅僅依靠線性分析的方法具有很大的局限性并且難以預測出精確的結(jié)果。證券預測的好壞對于一個國家的經(jīng)濟發(fā)展和廣大投資者有重大意義。本文的研究目的是

2、針對金融證券市場信息的高度復雜的非線性特征，將模糊神經(jīng)網(wǎng)絡(luò)和支持向量機這兩種重要的非線性分析方法和金融證券理論相結(jié)合，通過建模、特征提取和金融證券市場時間序列的數(shù)據(jù)分析，將金融證券信息的研究和預測建立在更加科學、精確和智能化的理論基礎(chǔ)上。 本文討論了金融證券系統(tǒng)中的股票預測問題并深入研究了模糊神經(jīng)網(wǎng)絡(luò)和支持向量機模型對中國金融證券市場時間序列預測的理論和實際預測結(jié)果，并對其進行了分析、比較和評估。本文的研究內(nèi)容如下： 1

3、.本文采用了新的低復雜度模糊激活函數(shù)并將其應(yīng)用于股票預測的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計及算法設(shè)計，通過模糊神經(jīng)網(wǎng)絡(luò)的自學習和競爭實現(xiàn)了隸屬函數(shù)的自適應(yīng)和模糊規(guī)則的自組織。通過仿真實驗表明，此方案使算法更為簡單、收斂，計算復雜度降低，有利于if-then規(guī)則解釋和硬件實現(xiàn)。該預測方法具有較高的預測精度和顯著的有效性和優(yōu)越性。 2.本文考慮到金融證券市場的非線性特點、投資者的心理因素和提高預測精度和泛化能力，通過把自適應(yīng)參數(shù)的SVM結(jié)合到