基于神经网络的股票价格走势预测及其MATLAB实现——论文

基于神经网络的股票价格走势预测及其MATLAB实现

摘要

伴随着我国经济的高速发展和广大投资者日益旺盛的需求，股票投资已经成为一种常见的投资手段，而股票价格预测也逐渐成为广大投资者关心和研究的重点问题。股票价格的波动是一个高度复杂化的非线性动态系统，其本身具有诸如大规模数据、噪声、模糊非线性等特点。针对这些特点本文在深入分析股票市场实际预测中所面临的关键问题和比较各种已有的股票预测方法的基础上，探讨运用神经网络这一人工智能工具，研究基于历史数据分析的股票预测模型。

神经网络是建立在对大规模的股票历史数据的学习仿真的基础上，运用黑盒预测方式找出股市波动的内在规律，并通过将其存储在网络的权值、阈值中，以此来预测未来短期或是中长期的价格走势。

关键字：神经网络，股票，预测，MATLAB工具箱

ABSTRACT

Along with the economy growth and increasingly strong demand of many investors in our country, stock has become a common means of investment, and stock price forecast has greatly been one of the focuses of study topic. The change of stock price is a highly complicated nonlinear dynamic system, itself has many characteristics such as massive data, noise, fuzzy and nonlinear. This article analyses the key issues being existent in the real stock market prediction and compares various existing stock forecasting methods. We will try to research on stock price prediction model based on a neural network with huge historical data.

Neural network is based on studying massive historical data, uses the black box of forecasting ways to find the internal disciplinarian of stock market, and stores them in the weights and valves values of the neural network for predicting the short-term or long-term trend in the future.

KEYWORD：Neural networks, Stock, prediction, MATLAB toolbox

1

目录

摘要 .................................................................................................................................................. 1 一． 绪论......................................................................................................................................... 3

1.1研究背景及意义 ................................................................................................................. 3 1.2国内外研究的现状 ............................................................................................................. 4 1.3 论文的研究方法及其框架结构 ........................................................................................ 5 二． 股票预测的关键问题分析 ..................................................................................................... 6

2.1 股票价格波动的因素以及预测的基本假设 .................................................................... 6 2.2 股票预测的常用术语和技术指标 .................................................................................... 8 2.3股票数据的特点 ............................................................................................................... 11 三． 神经网络的基本原理介绍 ................................................................................................... 12

3.1人工神经网络的定义和发展过程 ................................................................................... 12 3.2 神经网络基本原理 .......................................................................................................... 12 3.3 BP神经网络介绍 ............................................................................................................. 15 3.4 神经网络的特点 .............................................................................................................. 19 3.5 神经网络的在实际预测模型中的问题 .......................................................................... 20 四． 神经网络算法 ....................................................................................................................... 21

4.1 输出输入变量的选取 ...................................................................................................... 21 4.2数据归一化处理 ............................................................................................................... 22 4.3数据样本分类 ................................................................................................................... 22 4.4网络初始化 ....................................................................................................................... 22 4.5 训练网络.......................................................................................................................... 23 4.6网络仿真........................................................................................................................... 24 五． 仿真实验 ............................................................................................................................... 24

4.1 单日收盘价对单日收盘价预测 ...................................................................................... 24 4.2 单日收盘价，成交量对单日收盘价预测 ...................................................................... 25 4.3 多日收盘价，成交量对单日收盘价预测 ...................................................................... 26 4.4 多日收盘价，成交量对多日收盘价预测 ...................................................................... 27 六． 结论和展望 ........................................................................................... 错误！未定义书签。 附录（股票数据和程序代码） ..................................................................................................... 28

2

一． 绪论

1.1研究背景及意义

许多伟大的预言家认为，每一个世纪的开始十年发生的事情将奠定这个世纪的发展方向。进入新的21世纪以来，头十年发生的最重要的一件事情莫过于2008年的金融危机。这场罕见的金融风暴不仅给中国带来了巨大的冲击，也给国际市场带来了更多的挑战。毋庸置疑，21世纪是金融家的世纪，虽然华尔街带着贪婪与欲望的负面形象向我们走来，但我们坚信在未来将会出现更多的这种华尔街聚集地。21世纪的经济既是一种以知识为本的经济，又是一种金融化的经济。现代科学技术的发展及其在产业中的扩散，是2l世纪经济增长的原动力，而现代金融则使这种原动力以乘数效应推动着经济的增长。

证券投资是现代金融重要的组成部分，它是指投入货币或实物，形成证券形态的金融资产，并通过持有和运用这些资产获取增值收益的行为。正是由于证券投资具有实现价值增值、支撑社会融资、化解供求压力、稳定经济运行、传递经济信息等功能，证券投资成了政府、企业和众多投资者关心并参与的经济活动。在经济全球化、市场一

体化和资产证券化的大背景下，2l世纪全球经济体系之间将更加开放、更富有流动性，财富的物质形态逐渐淡出，资产或财富的虚拟化倾向日益明显，在资产或财富的快速流动中，财富或在流动中增值，或在流动中消失。财富聚合速度日益加快，市场竞争更加激烈，经济运行的轴心逐步转向现代金融业，经济运行的风险在明显增大。

而股票，作为证券投资的重要组成部分，众所周知，股票价格受到国内外政治、宏观经济与微观经济等许多错综复杂因素的影响，现在已经成为整个社会经济的“晴雨表”和“报警器”，其对于经济发展的影响不可估量。

股票是市场经济的产物，股票的发行与交易促进了市场经济的发展。近年来，股票市场已经逐步成为证券业乃至整个金融业必不可少的组成部分，显示出强大的生命力，股票投资也已经成为人们日常生活的一个重要组成部分。股市的暴涨暴跌对金融市场会产生很大的振荡，直接影响到金融市场的稳定和经济的健康发展。如果能够预测股票的涨跌，及时对股票市场进行合理的调控和健康的引导，这将为我国经济的持续发展提供坚实的后盾。

股票预测，是经济预测的一个分支，是指以准确的调查统计资料和股市信息为依据，从股票市场的历史、现状和规律性出发，运用科学的方法，对股票市场的未来发展前景做出预测。在金融系统的预测研究中，股票预测是一个非常热门的课题。这是因为股票市场具有高收益与高风险并存的特性，随着股市的发展，人们不断在探索其内在规律，对于股市规律认识逐步加深，产生各种各样的股市预测方法。但是，股票市场作为一种影响因素众多、各种不确定性共同作用的复

杂的巨系统，其价格波动往往表现出较强的非线性的特征。另外，股市的建模与预测所处理的信息量往往十分庞大，对算法有很高的要求。正是由于这些复杂的因素，使得关于股市的预测往往难如人意。

中国的股票市场虽然起步较晚，但随着有关政策、法律法规的出台和完善，股票市场逐步走向成熟、规范。股民在交易行动之前对股票市场的未来加以预测也会成为一种自觉的思维活动。然而股票指数受国际市场、金融政策、利率政策、公司状况及投资者心理承受能力等因素的影响，其走势的预测非常困难。从中国股票市场的特征来看，大多数学者的结论支持中国股票市场的股票指数的时间序列是序列相关的，即历史数据对股票的指数形成起作用，股票指数充分反映了所有相关的信息。因此，可以通过对历史数据的分析来预测股票指

3

数。

在股票交易事务处理中，每天有开盘、最高价、最低价、收盘、流通量等交易信息为主的大量数据汇入数据库。在股票交易过程中，每天有以交易信息为主的大量数据汇入数据库，这些数据无疑对股民了解股市的走势，做出正确的投资决策。

本文利用神经网络具有很强的非线性逼近能力和自学习、自适应等特性，将其应用于股票预测中，通过对股票历史的交易数据挖掘去预测未来的股票的交易价格的变化与趋势。

1.2国内外研究的现状

股票交易作为一种现代经济活动中的常见风险投资交易，其高收益和高风险相伴相生的特点，使得股票交易具有很强的投机性。这种投机性是基于市场供求关系变化以及股票价格的实时波动，投资者追求在低价买入高价抛售中赚取相应差价，从而实现资本增值或是盈利。因此不论是投资者，更包括市场的监管部门等都对分析股市、试图预测股市的发展趋势等股市核心问题积极关注和广泛研究。在这样的背景下，国内外许多学者都对股市的预测分析方法进行了研究并都出了很多理论和实践的结论。

在股票市场上，一般采用两类股票投资分析方法：基本分析法和技术分析法。其中基本分析法是通过对影响股票市场供求关系的基本因素进行分析，以此来确定股票的真正价值，判断股票市场的未来走势，提供投资者选择股票交易的依据。而技术分析法则是一种完全根据股票市场行情变化而加以分析的方法，它通过对历史资料(如股票的成交量和成交价格)进行分析，判断整个股票市场或是个别单只股票价格未来的变化趋势，给投资者提供交易股票的信号。这其中建立在统计学基础之上常见的技术分析方法，有移动平均线法、点数图法、K线图法等。对于受政治、经济、心理、国际市场等多种因素影响的复杂股票市场，使用传统的技术分析工具进行股票买卖决策难度较大，大多数投资者应用的结果并不理想。 以下是几种常见的股市预测方法介绍。

1.时间序列分析法

通过建立股价与综合指数的时间序列辨识模型，如传统的随机游走模型(RW)，自回归移动平均模型(ARIMA)，齐次非平稳模型(ARMA)等来预测未来股价变化。它包括两种类型：单变量与多变量。单变量模型对于短期预测具有良好的效果，但需要大量数据，并且模型结构与参数的选取是非常复杂的过程；多变量模型例如Regression Analysis。总之此种分析方法只适用于短期预测，当预测周期变长，其准确性急剧下降。

2.基于统计学理论的预测方法

统计学理论的预测方法，主要是基于模型拟合和最小二乘原理建立各种回归、自回归、混合回归模型进行预测。此类方法，具有严格的数学基础，应用较广泛，近年也有相当的发展。如广义线性模型，它放松了经典线性模型的假设，极大地丰富了回归分析的理论，对假设进一步放松，提出了一般的回归模型，该领域研究具有十分惊人的前景，但由于其仅能辨识参数的方向，应用起来十分不便，仅能对建模提供指导。

3.灰色预测方法 所谓灰色预测法，是指自变量和因变量之间满足某种数学关系和满足某种特定条件，但是由于历史数据的不全面和不充分或某些变量尚不清楚和不确定，使预测处于一种半明半暗的状态。

4.组合预测法

对某一问题的预测可采用不同的预测方法，而每种预测方法的适用条件不尽相同，所产生的预测结果不同，其预测精度往往也不同。但是这些单项预测法在数据处理及不同准则方面均有其独到之处，能从不同的角度来推导和演绎，其预测结果都有一定的价值。一种更为科学的做法是，将不同的预测方法以某种方式进行适当的组合，综合利用各种预测所提供的

4

信息，尽可能地提高预测精度，于是就形成了组合预测方法。组合预测法就是先利用两种或两种以上不同的单项预测法对同一预测对象进行预测。 5．其他的预测方法

主要有：专家评估法，市场调查法等传统的定性方法，马尔可夫链预测法，趋势外推预测法干预分析模型预测法，景气预测法等定量分析法。 6.人工神经网络方法

自上世纪初至今，人工智能多次成为研究的热点问题，并取得很大的发展。特别是人工神经网络作为对人脑的一种简单的抽象和模拟，是探索人类智能奥秘的有力工具，经过长期的发展对神经网络的研究已经取得了划时代的进步，将其应用于各个领域。在金融领域，许多学者都开展了对神经网络的研究和应用。这其中最早的研究是1988年White利用用神经网络来预测IBM普通股每日报酬率，但是经过训练样本的学习后，其预测结果不甚理想。他认为原因可能是神经网络陷入局部极小值而无法跳出，造成预测能力不强。后来在Kimoo．Asakawa,Yoda and Takeoka等人的努力下，于1990年利用神经网络开发了一款Tokyo stock exchange Price index(TPOIX)预测系统，这款预测系统主要是对日本东京证券交易所股价加权平均指数进行的预测，以此来为投资者决定买进卖出股票的最佳时机，最后得到的结果：人工神经网络模型所预测得到的报酬率优于TOPIX加权平均指数的同等预测。1992年，Baba和Kozaki使用15个输入变量、2个隐层及1个输出变量的神经网络模型来预测日本股价的趋势，训练样本分成上涨及下跌两种趋势的学习，在趋势决定后，预测股价涨跌方向的正确率相当高，但是，若趋势决定错误时，神经网络的预测能力减弱，无法正确预测股价。其实他们的研究为后来学者提供了一种新的预测方向即是不预测具体股价的参数，而运用神经网络的分类效果直接预测股价的涨跌趋势，这也是很有实际意义的。1996年，Jovina Roman等人介绍了神经网络在投资，组合决策以及股票预测等金融相关领域中的应用，Shaun-inn Wu等人综合应用了传统的预测与人工智能预测方法，提高了相应的预测性能。1999年，Pesaran和Timmermann对过去25年的英国伦敦证券指数进行了预测，他们采用神经网络技术预测证券指数的月变化率达到了60％左右的正确率。2001年，Chung Kim Kwong利用澳大利亚股票市场中的7家具体上市公司股票交易的数据进行神经网络预测研究，得到的平均预测精度为48.2%。

而与此同时国内也有很多学者进行了相关的研究。但不管预测结果如何，由于股票市场的多噪声，不稳定，非线性等特性，使得这些预测依然很难得到普遍的理想效果。可从另外一个方面来看，神经网络具有分布处理、自组织、自适应、自学习和容错性好等优良特性，在处理股票预测这样一个极其复杂的非线性动力学系统是可行的、有效的。所以这其中的研究重点在于样本选取与预处理、神经网络拓扑结构选择（包括：神经元个数、隐层数、输入输出函数等）、网络的自适应能力等方面亟需改进。

1.3 论文的研究方法及其框架结构

其实在实际股票市场的交易中有很多相关的指标诸如股票的开盘价、最高价、最低价、中间价以及收盘价等，这些数据都从不同的角度反映了当前的股票市场的波动情况。而一般的股票预测都是基于以下三点假设前提的：1.有效市场假设：当股票价格的波动能够充分地反映投资者所获得的信息时，股票市场就是有效市场，也可以认为是此时股票价格是真正的透明博弈的供求关系的结果。股票价格变化始终是受到一国国内宏观、微观经济以及国际其他市场的影响，而各种价格的变动反映出股票市场是有效市场；2.供求决定假设：指一切信息都会对股票市场的供求双方相互博弈对比产生影响，供求关系决定了股票的交易量和交易价格；3.历史相似原则：指由历史资料所概括出来的规律（这些规律一般都认为是隐藏在交易的价格和交易量等反映股票市场波动的相关指标中的）已经包含了未来股票市场的一切变

5

百度搜索“77cn”或“免费范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，免费范文网，提供经典小说综合文库基于神经网络的股票价格走势预测及其MATLAB实现——论文在线全文阅读。