基于遗传算法优化的BP神经网络在股指预测中的应用研究

黄宏运 朱家明 李诗争

引用本文:
Citation:

基于遗传算法优化的BP神经网络在股指预测中的应用研究

    作者简介: 黄宏运(1995-),男,安徽人,主要从事机器学习与量化投资方面的研究.E-mail:varuto_hhy@163.com.;
    通讯作者: 朱家明, zhujm1973@163.com
  • 基金项目:

    国家自然科学基金(11601001)

    安徽高等学校省级自然科学基金(KJ2013Z001)

  • 中图分类号: TP183

The BP neural network based on GA optimization in the application of the stock index forecasting

    Corresponding author: WU Li-bing, zhujm1973@163.com ;
  • CLC number: TP183

  • 摘要: 针对股票价格不仅受到众多不确定性因素影响而且数据本身具有高度模糊非线性等特点而导致的预测难问题,首先利用具有良好非线性寻优能力的遗传算法来优化BP网络初始权阈值的设置,然后构建了一个基于历史股票价量信息为输入变量,日开盘价为输出变量的股指预测模型,在对观察期内上证综指(开盘指数)的实证研究表明,优化后的BP网络在训练时不仅可以更快地实现收敛,而且对于训练集与测试集样本的预测性均得到明显地提高.
  • [1] 李莎,李红刚.股票市场中技术分析有效性的实证研究[J].北京师范大学学报:自然科学版,2009,45(2):212-214.
    [2] LI S,LI H G.Empirical study on the validity of technical analysis in stock market [J].Journal of Beijing Normal University:Natural Sciences Edition,2009,45(2):212-214.
    [3] ZHANG X Y,GUO S.Application of stock fundamental analysis in actual combat [J].China Securities Futures,2011(5):28-29.
    [4] 张秀云,郭树.股票基本面分析在实战中的应用[J].中国证券期货,2011(5):28-29.
    [5] LI Z J,ZHANG H,SUN P Z,et al.Research on the forecast of shanghai and shenzhen 300 index futures based on ARIMA model [J].Journal of Ludong University:Natural Sciences Edition,2013,29(1):22-24.
    [6] ZHANG J,SHAN R,SU W F.Applying time series analysis builds stock price forecast model[J].Modern Applied Science,2009,3(5):56-59.
    [7] 李战江,张昊,孙鹏哲,等.基于ARIMA模型的沪深300股指期货价格预测研究[J].鲁东大学学报:自然科学版,2013,29(1):22-24.
    [8] LI S S ,HUI X F.Study on fuzzy stochastic prediction and gray prediction of stock index[J].Journal of Harbin Institute of Technology:Social Science Edition,2010,12 (5):1-6.
    [9] LIU J M,LIU H B.Application of combination forecasting model in short-term forecast of stock index-an empirical analysis of Shanghai composite index[J].China Merchants,2014(5):93-96.
    [10] RM Kapila Tharanga Rathnayaka,DMKN Seneviratna,WEI Jianguo.Grey system based novel approach for stock market forecasting[J].Grey Systems:Theory and Application,2015,5(2):178-193.
    [11] 李嵩松,惠晓峰.股票指数模糊随机预测与灰色预测实证比较研究[J].哈尔滨工业大学学报:社会科学版,2010,12(5):1-6.
    [12] HUANG H Y,WU L B,LI S Z.Application of BP neural network in stock index forecasting[J].Journal of Tonghua Teachers College,2016,37(5):32-34.
    [13] Md Rafiul Hassan.A combination of hidden Markov model and fuzzy model for stock market forecasting[J].Neurocomputing,2009,72(16):3439-3446.
    [14] GE J K,QIU Y H,WU C M,et al.Journal of computer applications[J] .Application Research of Computers,2008,25 (10):2912-2915.
    [15] 刘佳明,刘海滨.组合预测模型在股指短期预测中的应用#x02014;#x02014;以上证综合指数为例的实证分析[J].中国商贸,2014(5):93-96.
    [16] HUANG H Y,WU L B,LI S Z.Application of GA-Optimized SVM in quantitative timing[J].Journal of Nanjing Normal University:Engineering and Technology Edition,2017,17(1): 1-8.
    [17] WANG T E,YE D Q.Application of improved dynamic network based on GA in stock market forecasting[J].Computer Technology and Development,2009,19(1):214-216.
    [18] 黄宏运,吴礼斌,李诗争.BP神经网络在股票指数预测中的应用[J].通化师范学院学报,2016,37(5):32-34.
    [19] CHEN D L,DISSANAYAKA M K N.Seneviratna.Using feed forward BPNN for forecasting all share price index[J].Journal of Data Analysis and Information Processing,2014,2(4):87-94.
    [20] HUANG H Y,WU L B,LI S Z,et al.Application of an improved IPSO-BP neural network in stock index forecasting[J].Journal of Yanbian University:Natural Sciences Edition,2016,42(4):351-356.
    [21] CHEN Q,HUANG K M,YANG X Q,et al.A BP neural network realization in the measurement of material permittivity[J].Journal of Software,2011,66:1089-1095.
    [22] MEN H,ZHANG J,ZHANG L H.Intelligent recognition for microbiologically influenced corrosion based on hilbert-huang transform and BP neural network[J].Journal of Computers,2012,7(9):2283-2291.
    [23] ZHANG H S ,XU D P,ZHANG Y .Boundedness and convergence of split-complex back-propagation algorithm with momentum and penalty[J].Neural Processing Letters,2014,39(3):297-307.
    [24] 葛继科,邱玉辉,吴春明,等.遗传算法研究综述[J].计算机应用研究,2008,25(10):2912-2915.
    [25] 黄宏运,吴礼斌,李诗争.GA优化的SVM在量化择时中的应用[J].南京师范大学学报:工程技术版,2017,17(1):1-8.
    [26] 王天娥,叶德谦.基于GA的改进型动态网络在股市预测中的应用[J]计算机技术与发展,2009,19(1):214-216.
    [27] 黄宏运,吴礼斌,李诗争,等.一种改进的IPSO-BP神经网络在股指预测中的应用#x02014;以上证综指为例[J].延边大学学报:自然科学版,2016,42(4):351-356.
  • [1] 马晓敏王新 . 基于遗传算法的BP神经网络改进. 云南大学学报(自然科学版), 2013, 35(S2): 34-. doi: 10.7540/j.ynu.2013b4
    [2] 范斌刘辉汪繁荣谭文龙 . 狼群算法优化BP神经网络的电缆故障测距算法. 云南大学学报(自然科学版), 2016, 38(6): 873-878. doi: 10.7540/j.ynu.20160132
    [3] 吴文斗曹志勇 . 利用优化的遗传算法解决饲料配方设计问题. 云南大学学报(自然科学版), 2009, 31(3): 242-246 .
    [4] 刘洋龙华赵继东杜庆治 . 基于GABP技术的PCA弥苴河水质预测. 云南大学学报(自然科学版), 2017, 39(1): 39-44. doi: 10.7540/j.ynu.20160125
    [5] 舒红宇彭来谢鑫尹亮 . 基于遗传算法的电动代步车用轮毂电机优化设计. 云南大学学报(自然科学版), 2011, 33(2): 147-151 .
    [6] 贾时银周冬明聂仁灿赵东风 . 脉冲耦合神经网络模型参数优化及图像分割. 云南大学学报(自然科学版), 2010, 32(5): 521-525 .
    [7] 焦亚召刘云 . 应用信息论方法优化判定无线传感网络中最小传感器数目的研究. 云南大学学报(自然科学版), 2014, 36(5): 647-654. doi: 10.7540/j.ynu.20130553
    [8] 胡耀文孙俊方芳邵玉斌龙华 . 基于BP神经网络的接收信号强度的检测方法. 云南大学学报(自然科学版), 2017, 39(4): 534-538. doi: 10.7540/j.ynu.20160773
    [9] 费兵强韩炜马霄华党亚玲蔡寅潮谭惠李文轩 . 2010—2015年焉耆盆地LUCC特征分析及预测. 云南大学学报(自然科学版), 2017, 39(3): 395-404. doi: 10.7540/j.ynu.20160680
    [10] 马永杰马义德蒋兆远 . 一种快速遗传算法的性能分析. 云南大学学报(自然科学版), 2009, 31(5): 449-454 .
    [11] 闵文文梅 端代婷婷胡光华 . 基于遗传算法SVM的基因表达谱数据分析. 云南大学学报(自然科学版), 2013, 35(4): 441-446. doi: 10.7540/j.ynu.20120663
    [12] 张自立刘惟一 . 基于动态贝叶斯网的状态预测. 云南大学学报(自然科学版), 2007, 29(1): 35-39.
    [13] 黄玮程建刚王学锋周建琴晏红明 . 基于气候模式的动力-统计降尺度技术在云南降水预测中的应用. 云南大学学报(自然科学版), 2013, 35(6): 782-790. doi: 10.7540/j.ynu.20120078
    [14] 赵云刘惟一 . 一种基于遗传算法求集中网站的方法. 云南大学学报(自然科学版), 2003, 25(6): 490-492.
    [15] 蔡娜王俊英刘惟一 . 一种基于小数据集的贝叶斯网络学习方法. 云南大学学报(自然科学版), 2007, 29(4): 359-363,370.
    [16] 张美玲李巧明 . 濒危植物望天树SSR-PCR反应体系的优化. 云南大学学报(自然科学版), 2011, 33(S2): 425-432.
    [17] 杨蔚宇肖波 . 民族文化数字化保护研究中的虚拟现实优化分析. 云南大学学报(自然科学版), 2010, 32(5): 532-536 .
    [18] 魏茂琪管娇琼王明清朱文勇钟汉斌宋绍辉欧阳圣洁代小虎廖国阳 . 利用Tween 80去除b型流感嗜血杆菌荚膜多糖中杂蛋白方法的优化. 云南大学学报(自然科学版), 2017, 39(5): 883-889. doi: 10.7540/j.ynu.20170046
    [19] 胡金明杨飞龄刘锋邱成左潇潇 . 基于人为压力和保护优先生境分析的云南省保护地体系优化研究. 云南大学学报(自然科学版), 2018, 40(6): 1159-1170. doi: 10.7540/j.ynu.20180386
    [20] 陈义光刘祝祥李铭刚文孟良郭端强徐丽华 . 产环己酰亚胺新菌株YIM41004种子培养基优化研究初报. 云南大学学报(自然科学版), 2006, 28(2): 173-177.
  • 加载中
计量
  • 文章访问数:  645
  • HTML全文浏览量:  112
  • PDF下载量:  506
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-09-18
  • 刊出日期:  2017-05-20

基于遗传算法优化的BP神经网络在股指预测中的应用研究

    作者简介:黄宏运(1995-),男,安徽人,主要从事机器学习与量化投资方面的研究.E-mail:varuto_hhy@163.com.
    通讯作者: 朱家明, zhujm1973@163.com
  • 1. 安徽财经大学 金融学院,安徽 蚌埠 233000;
  • 2.  2.安徽财经大学 统计与应用数学学院,安徽 蚌埠 233000
基金项目:  国家自然科学基金(11601001) 安徽高等学校省级自然科学基金(KJ2013Z001)

摘要: 针对股票价格不仅受到众多不确定性因素影响而且数据本身具有高度模糊非线性等特点而导致的预测难问题,首先利用具有良好非线性寻优能力的遗传算法来优化BP网络初始权阈值的设置,然后构建了一个基于历史股票价量信息为输入变量,日开盘价为输出变量的股指预测模型,在对观察期内上证综指(开盘指数)的实证研究表明,优化后的BP网络在训练时不仅可以更快地实现收敛,而且对于训练集与测试集样本的预测性均得到明显地提高.

English Abstract

参考文献 (27)

目录

    /

    返回文章
    返回