马 健，盛 魁，董 辉

(亳州职业技术学院信息工程系，安徽亳州 236800)

近年来，金融投资越来越受到人们的关注。在众多的理财投资当中，选择股票的投资人群所占比例较大，从过去的上证到深证以及现在的沪港通，吸引了很多股票投资者[1]。股票市场是一个波动频繁、风险较大的市场，存在着很多不定因素，是一个非线性的复杂系统。因此，股票走势很难精准预测。

图1 复值BP神经网络模型

很多学者研究股票走势并进行预测。本文在复值BP神经网络的基础上进行了改进，利用改进型误差函数解决传统复值BP神经网络中的极限因子问题，从而大大提高了预测精度。

1 复值BP神经网络模型

复值BP神经网络是在神经网络的基础上延伸的，其结构主要由输入层、隐层和输出层构成。复值BP神经网络模型如图1所示[2]。通过该模型可以看出,输入是通过层层递进的方式向前进行传播，而且网络是互相连接的，神经元的输出也可以理解为下一个神经元的输入[3]。

2 改进的复值BP神经网络

2.1 新型误差函数

(1)

2.2 输出层权值更新规则

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

根据上式可以得出式(10)。

(10)

将误差因子代入式(10)，可以得到简化的方程,如式(11)(12)所示。

(11)

(12)

2.3 隐层权值更新规则

(13)

3 改进的复值BP神经网络在股票中的应用

3.1 数据采集

为了验证数据的有效性和真实性，笔者通过一年时间对神奇制药股票价格进行监测和采集，选取在国内外因素影响下没有发生大的变化的股票作为本实验数据的数据源。

表1 2016-2017年神奇制药部分股票信息数据