基于神经网络的金融时间序列分析

随着经济的发展和人们投资意识的转变,证券投资已经成为现代人生活中的一个重要组成部分。金融证券市场是一个高风险高收益的投资领域,在这个领域中,投资者为了追求投资收益的最大化和投资风险的最小化,不断地探索其内在规律,寻找其有效的分析方法和工具。因此,对金融时间序列的分析和预测具有重要的理论意义和应用价值。 金融时间序列具有很强的随机性和非线性性,而神经网络具有良好的非线性映射能力及自适应、自学习和良好的泛化能力,因此非常适合处理金融时间序列这样的数据。 由于对于神经网络与线性模型在预测性能方面的比较众说不一,本文分别使用神经网络和ARIMA模型对SP&500和上证A股复华实业(600624)在一定时期内的股票价格做出预测,并进行了比较。 另外,在预测过程中,神经网络的网络结构以及各项参数没有系统的方法给出,因而神经网络的运行受到很多因素的影响。每种预测方法都有其适用的范围,也有其自身模型的特点所造成的弱点。为了克服单个模型的弱点,我们可以通过组合方法来进行预测。本文提出了一种有效的组合方法,结果表明,通过这种方法可以有效地克服单个神经网络在预测中的不稳定性。 理论分析和实验结果都表明,神经网络在金融时间序列的分析和预测中具有独特的优点,因而具有广阔的应用前景。