论文部分内容阅读
股票市场在当今经济活动中起着举足轻重的作用，是一个国家或地区经济和金融活动的“晴雨表”和“报警器”。研究股市走势对于国家和股民都具有举足轻重的意义。股市是一个多因素影响、高度非线性的系统，神经网络能够自动抽取数据集合中的非线性关系并进行模拟，因此常用于分析类似于股价预测的时间序列数据。本文对股票价格短期预测进行了理论与实证研究，建立了相应的BP神经网络，并针对其易陷入局部最优值、收敛速度慢、预测精度不高等缺陷，进一步使用具有全局搜索优化特点的遗传算法对神经网络的初始权值和阀值进行了优化，建立了GA-BP算法模型，并以长安股票进行了实证分析，并以MAPE误差评价指标对两种算法模型的预测精度进行了对比。实证结果表明GA-BP算法的预测精度较之BP网络有了明显的提高，但是隐层节点个数选择等问题仍需要进一步的理论研究。