基于灰色系统和神经网络的创业板股票价格预测研究

论文摘要

股票价格预测是投资领域的一个重点关注课题。由于股票价格受到诸多非线性因素的影响,得到精确的预测结果较为困难。为了消除股票指标的多重共线性,采用AdaptiveLasso算法对指标变量进行筛选,实现了数据降维。之后,利用灰色预测对股票价格影响指标进行预测,并在此基础上利用神经网络模型对股票收盘价进行预测。结果表明,利用灰色系统和BP神经网络结合的模型所得预测结果平均相对误差为0.095,且运行效率较高,对股票预测具有一定的积极意义。

论文目录

• 一、引言
• 二、灰色预测模型
• 三、BP神经网络
•   （一） BP神经网络简介
•   （二） BP神经网络算法步骤
• 四、基于灰色系统和神经网络的股票价格预测
• 五、实验研究与分析
•   （一） 指标变量的选取
•   （二） 数据标准化
•   （三） 数据探索分析
•     1. 相关性分析
•     2. 周期性分析
• 六、模型构建
•   （一） Adaptive-Lasso变量选择模型
•   （二） 基于灰色系统模型的股票预测
•   （三） 基于BP神经网络模型的股票预测
•   （四） 结果分析
• 七、结论

文章来源

类型: 期刊论文

作者: 马娟,王露,左黎明

关键词: 灰色预测,神经网络,股票预测,算法

来源: 当代金融研究 2019年02期

年度: 2019

分类: 经济与管理科学,基础科学,信息科技

专业: 非线性科学与系统科学,自动化技术,金融,证券,投资

单位: 江西外语外贸职业学院会计金融学院,华东交通大学系统工程与密码学研究所,江西省经济犯罪侦查与防控技术协同创新中心

基金: 国家自然科学基金项目(11761033),江西省教育厅科技项目(GJJ161417,GJJ170386),江西省经济犯罪侦查与防控技术协同创新中心开放基金资助课题(JXJZXTCX-001)

分类号: TP183;N941.5;F832.51

页码: 87-97

总页数: 11

文件大小: 941K

下载量: 672