某神经网络于股票投资分析应用研究

第一章绪论

 

金融市场，也称融资市场，是一种以借贷货币为主，对各种股票和证券进行交易的活动组织，处于当今社会经济活动的核心位置。金融市场以其独特的融资特点而区分于其他市场，我们从以下几个特点方面来区分金融市场和其他市场：）交易对象，在其他的市场中，交易对象是各种商品，而金融则是以资金为交易对象的；）交易关系，和一般的市场交易关系不同，金融市场的交易关系是以借贷关系为主，体现了资金所有权和使用权相分离的原则；）金融市场可以分布在某个具体的地方，也可以是以某种形式存在的无形的市场。金融市场的体系从某种程度上决定了其价格的波动性（风险性）。金融市场自诞生以来，人们就一直对其价格规律进行研究和总结。作为国家经济市场的核心部分，金融市场历来备受关注。有效的融资管理、提高金融投资的回报率都成为各国政府和投资机构的长期关注的话题和目标之一。特别是在我国，随着改革开放几十年来经济的迅速发展，金融市场的管理也成为一个焦点，我国的金融市场面临着新的机遇和挑战。如何把握和认识金融市场的变化规律，安全有效的管理金融市场在日新月异的国际背景之下变得尤为重要。刚刚过去的金融危机也在不断的提醒我们，如何及时有效地发掘金融市场的本质规律已经成为挑战性问题。自金融市场诞生以来，就有随之而来的各种研究方法和工具研究其特点。最常见的研究方法是时间序列方法，时间序列方法是利用金融市场的历史数据来研究金融市场的特征，规律及其走向。还有数理统计分析方法，在上一个世纪由于概率论与数理统计方法在金融市场数理分析中的广泛运用，金融市场的研究取得了前所未有的突破。在这些传统方法研究的基础上，我们已经掌握了大量的金融市场的信息，然而这些仍然不足以解释金融市场内部的一些复杂的规律和机制，因此，如何更加有效地从更多错综复杂的数据中找出金融市场潜在的市场规律成为一个至关重要的问题。而数据挖掘本身的意义，就在于从历史数据中挖掘有意义的信息，寻找客观规律。近十年间，数据挖掘技术的研发工作取得了很大的进展，并且得到了广泛的应用，各种数据挖掘技术的应用极大地推动了人们分析、处理大量数据信息并从大量数据中提取有用信息的能力，给人们带来了很好的经济效益。

........

 

1.1选题背景和意义

股票投资的风险性是众所周知的。它的风险性不仅仅体现在股价的跌涨，还体现在股价的跌涨幅度大小。与股票投资相关的所有的风险被分为总体风险和个体风险。总体风险，也称全局风险，一般是指引对全体股票造成影响的风险，造成这种风险的影响因素一般是不可避免的，对股市全局都有一定影响的因素，例如金融危机，国家政策以及自然灾害等。个体风险，又称局部风险，一般是指只对某些个体股票证券产生影响的风险，通常是由某些个体的所处的环境或者个体内部一些机制变化而产生的风险。个体风险从某种程度上讲是可以回避的，因此，又称之为可分散风险。股票市场从投资的风险性以及可观的利润上都给人们以强烈的关注，投资者从自己的利益出发，希望了解股市的行情，掌握股价的规律以及股市的内部机制，从而获得丰厚的利润。另一方面，管理者也希望通过了解股票市场的内部机制，从而进行人为的调控以避免股市运行不当而造成的灾难性后果，以此来维护股票市场的稳定。在近几十年来，金融市场的研究领域在理论上已经发生了一定的改变，一方面，大家已接受了传统的资本市场理论，另一方面，传统的方法也在不断地改进。随着计算机技术的迅速发展，其算法技术的应用也颇为广泛，股票市场的投资者也开始依靠计算机来分析和探索股票市场的规律，以此来获得利润。目前股票市场最为常见的分析方法是专业分析人员使用的基于基本分析法和技术分析法，这些方法也是目前能为投资者提供参考的最常用的方法。与此同时，部分有创新的投资思想已经初见苗头。

.......

 

1.2我国股票市场的发展和国内外研究现状

对股票价格趋势以及跌涨幅的分析和预测是股票市场最基本的分析。和其他市场一样，影响股票价格以及股价跌涨幅的最根本的原因是股市供求关系的变化。现有的股票价格的分析方法主要集中在基本面的分析和技术指标分析。基本面分析仅停留在对发行单位的运营现状，包括财务状况，管理方式以，决策方式以及市场政策等方面的分析之上，这种方法可以全面的把握发行单位的状况，更能切合实际地去分析股价。技术分析方法是基于统计图表和图形的判断，以线形态为分析对象，配合技术指标对价格、成交量、换手率、委比、量比等参照技术指标进行量化分析和统计处理，以预测未来的股票价格的走势。人们针对股票市场的多元性和复杂性提出了很多预测方法。常用的分析和预测方法是时间序列预测方法，如，，回归预测，灰色预测等预测方法，当然还有其他预测方法也被提出用来预测，如专家评估法和市场调查法，季节变动法，马尔科夫法以及神经网络预测方法。神经网络是一种新提出的方法，也是对时间序列方法的一种改进。近年来，随着混沌理论的大范围的应用，混沌理论也被应用到股票市场的预测和分析，并且反响较好。作为一种新模型，与一般的统计模型结果相比较，人工神经网络模型具有很强的自学习能力，并且不用人为构建某个特定的模型，少了构建其他模型时的各种假设，更重要的是，人工神经网络可以对任何函数进行非线性逼近。

..........

 

第二章数据挖掘与神经网络

 

国际著名的神经网络专家、第一个计算机公司的创始人和神经网络实现技术的研究领导人给神经网络的定义是：“神经网络是一个以有向图为拓扑结构的动态系统，它通过对连续或断续式的输入作状态响应而进行信息处理”。在信息传递过程中，节点对信息进行处理，即激励信息。每两个节点之间有连接权值，这些权值在开始训练网络时是被初始化的，但可以根据反向传播的误差大小进行适当的调整。网络不断的训练过程其实就是对某个非线性函数的逼近，或者是对某个逻辑关系的一种表达。人工神经网络也是数学统计方法中的一种，它在各个领域的广泛应用实际上就是对某个逻辑空间的表达，这种表达从某种程度上讲，是对自然界的某些规律的总结。根据神经网络的神经元之间的连接方式的不同，神经网络被分为：前向网络，有反馈的网络，自组织神经网络，相互结合型网络，目前使用最多的是前向网络。前向神经网络结构阶层明显，从输入层进入的信息通过神经元传递进入下一层单元，输入层单元与下一层所有的单元相连，而下一层的单元之间无联系，即同层单元相互独立，而与下一层和上一层的单元都有联系。其拓扑结构如图所示。前向网络中神经元的输入输出关系，可采用线性阈值硬变换或单元上升的非线性变换，它们的权算法都是采用有教师的学习率，根据神经元输入输出传递函数的差异、学习算法和网络结构上的某些区别，可将前向型神经网络分为感知器网络、网络、线性网络、径向基网络以及网络等不同的网络模型。

.......

 

2.2神经网络的发展和分类及在预测中的应用

国际著名的神经网络专家、第一个计算机公司的创始人和神经网络实现技术的研究领导人给神经网络的定义是：“神经网络是一个以有向图为拓扑结构的动态系统，它通过对连续或断续式的输入作状态响应而进行信息处理”。人工神经网络是世纪年代在生物神经系统研究的启发下发展起来的一种信息处理方法，是由大量简单神经元所构成的非线性动力学系统，它处理信息的方式类似于动物大脑的处理方式，即是一种利用神经元之间的突起来进行信息传递的数学模型。在学术界和工程应用领域，人工神经网络也被称为简称为神经网络，或者根据其模拟人脑的特点，称之为类神经网络，人工神经网络十由大量神经元节点构成的一种网络结构，每个节点都是一种激励函数（），在信息传递过程中，节点对信息进行处理，即激励信息。每两个节点之间有连接权值，这些权值在开始训练网络时是被初始化的，但可以根据反向传播的误差大小进行适当的调整。网络不断的训练过程其实就是对某个非线性函数的逼近，或者是对某个逻辑关系的一种表达。人工神经网络也是数学统计方法中的一种，它在各个领域的广泛应用实际上就是对某个逻辑空间的表达，这种表达从某种程度上讲，是对自然界的某些规律的总结。

......

 

第三章用于股票分析的神经网络模型的建立.........18

3.1作为神经网络输入节点技术指标及数据处理........18

3.2模型设计工具的选择........20

3.3传统的神经网络的建立........23

3.4本文网络函数的设计........27

第四章数据模拟和结果分析........29

4.1预测误差指标........29

4.2数据模拟........32

第五章总结与展望........35

5.1神经网络在短期预测中的实用性........35

5.2网络模型的缺点及改进........37

5.3模型的拓展使用和展望........38

5.4结论........39

 

第四章数据模拟和结果分析

 

4.1预测误差指标

本章利用第三章建立的网络模型对包括万科，五粮液，浦发银行，宝钢股份，中国石化，上海家化，贵州茅台，中储股份，伊利股份，分析了在隐含层神经元选择个数不同时的预测结果，讨论了隐含层神经元个数的选择对整个网络预测结果的影响，对比了神经元个数不同时的值，从而选择选择出预测结果最优的隐含层神经元个数。由上述分析我们可以看出，隐含层神经元个数的选择对于整个网络的训练是很重要的，隐含层神经元个数的选择直接影响到网络的逼近效果和预测精度。因此，如何合理的选择隐含层神经元的个数成为一个挑战性的问题。在本文的网络训练过程中，我们选择了不同的隐含层神经元个数分别对支股票进行了试验，得到最优的结果，这样避免了就一次选择了隐含层神经元的个数而造成的网络训练不当，从而浪费时间和人力。

.......

 

结论

 

股票，作为金融市场的重要组成部分，已经成为大多数投资者关注的焦点。然而，作为高风险投资产品，股票也也成了金融市场的一把双刃刀。因此，股票的分析和预测对于股票市场和投资而言，变得尤为重要。我们国家的股票市场相对于国外发达国家的股票市场毕竟还很年轻，还没有达到完全的市场化，还有许多需要改革和推进的部分，如：交易机制、股权结构、投资结构等诸多方面。然而，市场化是一个实现交易自由和公平的前提，随着中国的经济增长和市场规模的逐渐扩大，完全市场化是一个大势所趋，并且这一趋势不可逆转。随着这一进程的加快，通过神经网络来进行预测提供给决策者进行参考的重要性也会逐渐提高，未来随着研究和实际应用的深入，这一技术将会越来越多的应用到各个专业的金融机构，并会扩展到债券、外汇、期货等等投资领域。因此，股票的分析和预测对于股票市场和投资而言，变得尤为重要。本文还提出了人机交互式系统模型，在条件允许的情况下，我们可以设计一个软件，只需在用户界面输入数据即可得到预测结果。在结尾部分我们还对论文的整体工作做了小结，并展望了神经网络在未来预测领域的使用。总体上讲，网络的预测效果还是很好的，我们期待在现有的基础上，有更好的改进方法来提高股票的预测精度。然而，我们知道，影响股票涨幅以及价格的因素颇多，仅靠我们提出的这套理论来预测还是远远不够的，我们必须结合经验来对预测模型以及预测结果加以修正才能够更好的把握股票市场的走向，来为股票投资者产生更大的收益，也可以为管理者提供更有效的管理方案，从而使得股票市场更加健全有效的发展。

.........

参考文献（略）