论文部分内容阅读
股市是经济市场的晴雨表,时刻反应了市场经济的最新走向,这是经济学家对股市与市场经济的一个规律性总结。股市是经济的一个重要组成部分。在我国,由于股市的规模较小,发展不健全等因素,股市的运行与我国经济的走向没有很好地体现这一规律,从而为股价预测增加了难度。投资者们从18世纪就开始探求不同的投资方法,亦做了许多相关研究。而要使这些投资策略具体到能适合我国的股市行情,需要作出一定的改进。近年来,量化投资这一种新兴的投资策略正逐渐受到追捧,国内外的投资者们也越来越重视这一种投资策略。股票是一种随机性很强的系统,而神经网络模型已经被证实能很好地解决多数复杂的非线性映射问题,能很好地解决股票预测这类内部机制复杂,干扰因素多的问题。因此,本文选择使用BP神经网络对股票量化分析做研究。本文主要做股票量化分析的相关研究,研究基于BP神经网络的股票量化分析投资,主要的研究内容包括以下几点:(一)股票技术指标原理与股价预测方法的研究。研究股价预测的几种方法,包括基本面分析、技术面分析、时间序列分析等等,主要研究技术面分析的分析方法。研究股票技术指标的工作原理。(二)研究股票的量化分析。研究量化分析的工作原理与投资方法,结合其原理建立量化投资的数学模型。本文研究的量化分析主要利用股票技术指标作为分析工具,研究技术指标的量化方法,并建立数学模型。(三)利用BP神经网络算法实现量化分析模型。研究BP神经网络算法的工作原理,将量化的股票技术指标数据作为BP神经网络的训练参数与输入参数,然后得到分析结果。收集股票的数据,测试上述量化分析方法的准确性。分析该模型得到的预测结果,比较预测结果与实际数据,分析该模型的准确性。总结基于BP神经网络的股票量化分析的优点与缺点,以及其未来可以改进的地方。