您好, 访客   登录/注册

基于遗传算法与BP神经网络的股票预测

来源:用户上传      作者:

  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。
  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)03-0000-00
  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[1-2]。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[3],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[4]。遗传算法(Genetic Algorithms,简称GA算法)是1962年由美国Michigan大学Holland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[5]。
  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[6]。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)
  表1 苏宁云商各算法计算结果比较
  测试指标
  均方误差
  相关系数
  时间/s
  变量个数
  累计贡献率
  MSE
  GA-BP
  0.00438
  97.18%
  106
  20
  PCA-GA-BP
  0.00188
  99.01%
  81
  8
  99.84%
  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比GA-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] 刘天舒.BP神经网络的改进研究及应用[D].东北农业大学,2011.
  [5] 郝华宁,刘阳.基于遗传神经网络的个股价格短期预测[J].西安石油大学学报(自然科学版),2010(02).
  [6] 姬春煦,张骏.基于主成分分析的股票指数预测研究[J].计算机工程与科学,2006(08).
  收稿日期:2016-01-27
  作者简介:胡照跃(1991―),男,汉族,海南海口人,2013级硕士研究生,研究方向:现代优化算法;白艳萍(1966―),女,汉族,山西太原人,博士后,教授,研究方向:现代优化算法。
转载注明来源:https://www.xzbu.com/8/view-11333033.htm