论文部分内容阅读
本文使用BP神经网络模型,在引入交易变量基础上,另外引入了天气变量作为预测变量,对2006—1~5至2008—12—30期间的股指进行了分段预测。本文目的在于检验神经网络的预测性能,同时检验加入天气变量之后的预测性能变化。研究发现:神经网络模型本身具有良好的预测性能,该模型对股指变动方向的预测准确率都在75%以上。但是,加入天气变量之后,该网络模型并不具备更高的预测准确率,这说明引入较多与股指相关的变量并不有助于股指的预测。此外,网络结构的变化对预测精度也具有十分重要的影响。