BP神经网络在股票预测中的应用研究

随着经济的发展和人们投资意识的转变,股票投资已成为现代人生活中一个重要组成部分,而股票价格的预测也成为投资者关心和研究的重点。由于股票投资的收益与风险往往是成正比的,如何建立一个运算速度和精确度都比较高的股市预测模型,对于金融投资者具有理论意义和实际应用价值。 本文在深入分析股票市场预测面临的关键问题和比较各种股票预测方法的基础上,探讨利用BP(Back Propagation)神经网络对股票走势进行分析和预测的可行性。BP网络通过对以往历史数据的学习,找出股市发展的内在规律,并将其存储在网络具体的权值、阀值中,用以预测未来的走势。 针对BP算法在股市预测中存在的学习速度慢、容易陷入局部极小值、预测结果精度不高等问题,提出一种改进的BP神经网络算法。通过重新选取神经元的激活函数,对输出层和隐层中神经元转换函数的权值、缩放系数和位移参数进行调整,减少隐层节点数,加快BP网络的收敛速度。 根据BP网络进行股市预测的原理,建立基于BP网络的股市预测模型,采用改进后的BP算法进行股市预测,并通过MATLAB软件对其预测过程进行仿真实验。在仿真过程中对BP算法和改进后的BP算法在预测股票中的收敛性能进行比较,并以湖南三一重工的股票价格为例,对所建的预测模型进行训练,并用训练好的BP网络股市预测模型来预测其股票数据,达到了预测效果。