28141字论文范文基于宏观经济指标和人工智能的上海综合指数预测

论文类型：论文范文

论文字数：28141字

论点：神经网络,预测,方法

论文概述：

本文在股市预测方面主要是探讨了利用宏观变量来对股市运动趋势做出预测,而影响股票价格走势的因素又比较多,在实践当中技术指标被证明在股价预测上有重要的指导作用,所以以后使用神经网

论文正文：

1.介绍

总结国内外股票预测方法，大致可分为三类:一是基于基本分析技术的传统方法；二是基于时间序列的计量方法；第三，基于神经网络和支持向量的人工智能方法。在传统的股票预测方法中，技术分析被广泛应用。有许多方法，如k线理论、江恩理论、波动理论等。在股票市场预测过程中，这些方法往往占主观因素的很大一部分。不同的人有不同的观点，聪明的人有不同的观点。预测没有统一的结果。以测量为主的时间序列股票预测方法对样本的选择有严格的要求。在预测过程中，对模型有许多假设，只有满足某些假设，预测效果才会得到满足。此外，股票市场是一个高度非线性的市场，测量方法往往无法处理非线性问题。随着计算机科学和数据挖掘技术的快速发展，人工智能方法在空之前就已经得到发展，并被广泛应用于信号处理和模式识别。人工智能方法在应用时不需要假设样本数据的特征，可以根据样本本身自动调整自身的结构来学习样本规律，可以无限逼近和拟合非线性问题。正是人工智能方法的这些特点弥补了传统股票预测方法和时间序列方法的诸多不足，因此该方法在股票预测中具有独特的优势。国内外学者对宏观经济与股票市场的关系做了大量的研究。总的来说，国外学者的研究起步比国内学者早得多。陈(1986)从有效市场理论和套利定价理论出发，研究了股票收益与工业产值、通货膨胀、长期和短期利率的差异、消费和原油价格等宏观经济指标之间的关系，发现股票收益受系统经济变量的影响。Fama分别在1981年和1990年研究了股票收益率与实际产出活动、通货膨胀和货币之间的关系，发现通过测量总收入、预期收入随时间的变化以及预期现金流波动所测量的预期收入，可以很好地判断股票价格，而用于测量预期现金流变化的国内生产总值指数可以解释43%的股票收益率波动。cochrence(1991)用生产者的生产函数代替消费者的效用函数来解释股票收益和经济波动之间的关系，发现宏观指标中的实际产出和利率可以很好地解释股票价格波动。Roberto (2003)使用识别技术来衡量股票市场对货币政策的反应。识别技术使用股票收益的异方差性。研究发现，S&P500指数对货币政策有明显的反映。当货币政策宣布时，S&P500指数上升或下降了5%。

在众多人工智能方法中，神经网络和支持向量机是研究和应用最广泛的两种方法。其中，神经网络方法有多种模型，误差反向传播神经网络是应用最广泛的模型。因此，本文选择误差反向传播神经网络和支持向量机对上证指数进行预测。在使用人工神经网络模型的过程中，容易出现过度拟合的问题。如何提高模型的泛化能力一直是人们对BP模型研究的焦点。在一般的BP模型基础上，提出一种贝叶斯正则化算法和提前停止算法相结合的改进BP模型，从而提高模型的泛化能力，防止过度拟合现象的发生，使模型预测达到预期效果。在过去利用人工智能预测股票的模型中，人们研究的重点主要是利用股票价格、交易量和各种技术指标来预测股票的短期价格趋势。很少有人对中长期趋势进行预测研究。因此，本文提出从宏观经济指标的角度预测上证综合指数的中期趋势。随着中国证券市场的逐步发展和完善以及资本市场的逐步成熟，证券市场的“晴雨表”功能也在逐步完善。它可以预测股票市场的中长期趋势，不仅为股票投资形成一定的参考，也为国家宏观调控提供参考，具有重要的理论和现实意义。此外，随着我国金融投资品种的丰富和金融衍生品的发展，中长期股票预测也可以在衍生品定价过程中发挥重要作用。

3.神经网络理论10

3.1研究概述10

3.1.1外国研究概述10

3.1.2国内研究概述11

3.2神经网络理论介绍12

3.3 BP神经网络17

3.3.1BP网络学习算法的数学推导……18

3.3.2BP网络性能分析……21

3.4BP神经网络的改进方法22

4.支持向量机理论28

4.1研究概述28

4.1.1外国研究概述28

4.1.2国内研究概述29

4.2支持向量机核心知识……29

5.机器学习方法在上证指数预测中的实证研究

5.1经验环境介绍37

5.2基于BP神经网络的上海证券交易所指数预测

5.3基于支持向量机57的上海证券交易所指数预测

5.4BP神经网络结果与支持向量机误差结果的比较……61

摘要

股权分置改革以来，中国股票市场逐步走向健全的法律体系和立体的市场结构。股票市场的走势越来越受到宏观经济的影响，股票市场“晴雨表”的作用越来越明显。同时，随着人工智能在各个领域的广泛应用，其在金融领域，尤其是股票市场价格预测方面的优势也凸显出来。在这样的背景下，本文运用人工智能和宏观经济指标预测了上证指数的月度收盘价趋势，并探讨了宏观经济指标在上证指数预测中的作用。在人工智能方法中，主要研究了BP神经网络和支持向量机。对于BP神经网络，针对传统BP神经网络的缺陷，提出将贝叶斯正则化算法和提前停止算法相结合来提高BP神经网络的性能。在实证过程中，本文利用改进的BP神经网络和支持向量机建立了上证指数预测模型，取得了较为理想的效果。然后，比较了两种模型的预测效果，并对两种模型进行了评价。

人工智能方法是一门相对较新的学科，特别是支持向量机理论刚刚提出20多年，因此人工智能方法在证券市场的应用学者仍在积极探讨。虽然本文对人工智能方法在股市预测方面做了一些研究，但这方面的研究还比较初级，技术细节需要进一步研究和深化，以进一步提高人工智能方法在股市预测中的稳定性和准确性。因此，基于本文的研究，可以从以下几个方面对人工智能方法在股票市场中的预测进行改进:支持向量机中核函数的选择和参数的确定对模型的建立非常重要。本文在选择核函数时选择了常用的核函数。在未来的研究中，可以通过对股票市场价格趋势的详细分析来构建适合该问题的核函数，从而提高模型的性能。

参考

[1]陈恩。《1986年:经济力量与股票市场》，商业与经济杂志[版，第59卷，第3期，383-403页

[2]法玛·英，1981:股票回报、实际活动、通货膨胀和货币，《美国经济评论[杂志》，第71卷，第4，545-565期

[3]法玛·英，1990:股票回报、预期回报和实际活动，《金融期刊[杂志》，第45卷，第4，1089-1108期

[4]柯尚杰，1991:基于生产的资产定价和股票收益与经济波动之间的联系，《金融[杂志》，第46卷，第1，209-237期

[5]罗伯特·里戈本和布赖恩·萨克，2003:测量货币政策对股票市场的反应，《经济学季刊》，[杂志，第118卷，第2期，639-669页

[6]怀特，1988:使用神经网络的经济预测:BM每日股票收益的案例。神经网络，IEEE有意会议，第2，451-458卷

[7]江华，李磊，蒲华，2008:嵌入贝叶斯正则化的时滞神经网络非线性时间序列预测，应用数学与计算机[学报，第205卷，第1期，123-132页

[8]特拉法利斯，英内·赫，2000:回归支持向量机及其在金融预测中的应用

[9]英施，特拉法利斯T. 2008:支持向量机的短期预测及其在股票价格预测中的应用。《[通用系统国际期刊》，第37卷，第6期，677- 687页。

[10]Tay F，Cao L，2001:通过结合支持向量机和自组织特征映射改进金融时间序列预测，智能数据分析[期刊，第5卷，第4，339-354期。