3.7应用神经网络预测的一般步骤 11

四、改进的BP算法在股市预测中的应用 12

4.1 BP神经网络用于股票预测的基本步骤 12

4.2 BP神经网络的MATLAB实现 12

4.3 BP神经网络进行股票预测的实例分析 15

4.4仿真实验及结果分析 17

4.5实验结论 19

五、总结与展望 21

5.1总结 21

5.2展望 21

致谢 22

参考文献 23

 一、引言

1.1课题的研究背景

    在人们生活日益改善的今天，收入和生活水平的不断提高，手里的钱也更加充足。这个时候，该把钱放到哪里去成大家思考的问题，所以各种理财手段应运而生。股票，基金，P2P等新的理财方式也吸引这数以亿计的人们去追捧，其中最为重要的手段还是股票。从去年2015年开始的股票牛市成为了人们茶余饭后谈论的焦点，大批大批的人前仆后继地涌入股市，都想从这个盛宴中分一杯羹。追求的人多了，对股市的关注自然也就大了，而股票价格的走向是其中最为重要的，如何准确分析股票市场的行情，做出最优的配置决策也顺理成章地成为了大家关注的重点。

    其实，追本溯源，股票是从作为市场经济相当重要的部分之一，在金融领域有着不可替代的地位，也将影响金融市场健康发展和稳定。股票预测作为股票市场中最为重要的一个环节，如何精准地预测股票股价的走势是一个非常抢手的课题，人们在探究内部规律的同时，逐步加深对股市的学习研究，努力获得其内部规律。然而，股票价格趋势作为一个高度的非线性的系统，要达到准确的预测可谓是难上登天，所以100%的准确预测是不存在的，只能利用数学模型逼近其走势。另外，股市的信息量十分大，可以说是大数据时代的代表，这就对数学算法提出了十分高的要求，也正是这些复杂的情况，才激发了人们一直不懈努力去探究的动力，所以股票股价的预测方法也是百花齐放。

1.2传统的股票预测方法

1.2.1基本面分析法和技术分析法

这种方法对研究者的数学功底要求不高，通过对股票市场的供求剖析，对股票进行估价，判断走势来辅助自己的投资，对长期投资者是一个比较重要可靠的方法。但是完全靠基本面的分析往往达不到投资者所期待的结果，所以技术分析法出现。而技术分析法根据对股票的剖析，从历史的交易数据入手，价格总是按照某种趋势运动。抛开其内在价值，价格的走势往往会重复历史，建立空中楼阁的基础理论，其中著名的有道氏理论、江恩理论等。但是作为一个非线性系统，股票遭受到各方各面要素的影响，十分困难通过上述两种方法来判别股票的走势，是因为其中掺杂太多的主观情感，所以股票预测进一步得到了发展。

1.2.2时间序列分析法

时间序列是数理统计的一个重要模型，它是以时间为序列，将数据按照时间的排序来进行预测的方法。对于股票市场来说，时间的走势恰恰准确反映了股票市场的连续性，基于动态数据来解释内部对的走势。这种方法简化外部要素对象的影响，是预测更加的便捷和高效,源^自#优尔^文~论`文{网[www.youerw.com。普通情况利用ARMA模型来剖析时间序列，而对于非平稳的序列，先进行差分运算，再转化为平稳序列来剖析，具体的工具可以通过SPSS，SAS等统计软件进行。然而严重的非线性，高噪声的系统不适用该方法一直预测，所以要求大量前提条件的时间序列模型并不太实用，预测的效果也很难保证。