孙冰洁　唐　瑞　左　毅　黄明和

(1.江西师范大学软件学院　南昌　330022)(2.江西省科技型中小企业创新基金管理中心　南昌　330046)

小波分析下的神经网络股票预测研究

孙冰洁1唐瑞1左毅2黄明和1

(1.江西师范大学软件学院南昌330022)(2.江西省科技型中小企业创新基金管理中心南昌330046)

摘要研究股票价格准确预测问题。股票市场是一个非常复杂的非线性动力学系统,传统的时间序列预测方法很难揭示其内在规律,预测结果误差较大。论文利用小波分解与重构,将原始非平稳时间序列分解为不同尺度下的时间序列分量,依照其各自特点,分别采用Elman神经网络和BP神经网络模型,对各层系数进行建模与预测,通过整合各层系数,得到原始时间序列的预测值。通过对沪深300指数的仿真预测实验表明,基于小波分解的神经网络组合预测方法比传统神经网络预测方法的预测精度明显提高,具有实际的推广应用价值。

关键词小波分解与重构; 神经网络; 股票预测; 沪深300指数

Class NumberTP391

1引言

随着我国市场经济的繁荣发展,股票走进了千家万户,成为许多人息息相关的投资产品。因此,对股票走势的预测成为越来越多人所关注的课题。准确预测股票价格的运行态势,不论对于政府宏观管理,还是对于投资者而言,都有很强的现实意义[1]。

人工智能和计算机技术的迅猛发展,尤其是人工神经网络技术的出现,给股票预测研究提供了新的研究方向。随着神经网络理论日趋完善,国内外学者对其在股票市场的建模和预测方面进行了大量研究,并取得了突出的研究成果。……