陈婧 孙英凡

摘要：在全球金融领域中，股票择时投资一直是研究的热点。文章借助BP神经网络模型，结合较全面的影响股价的因素指标，利用主成分分析和计算机挖掘大数据信息的方式，对股票进行择时分析，具有较大的准确性和客观性，对该模型的推广可以弥补我国证券市场的有效性不足问题。

关键词：BP神经网络模型;股票投资

一、引言

近年来，中国资本市场中证券交易发展较为迅速，证券市场价格的剧烈波动给投资者带来巨大的风险。因此，构建基于大数据挖掘技术的股票价格预测模型，对股票投资研究具有深远的意义。当前的研究大多是基于神经网络、决策树、支持向量机等模型研究股票择时问题，但是股票价格的影响因素较多，形成过程复杂，易造成较大误差。所以，本文选择适合处理非线性函数的BP神经网络模型来对股票进行择时研究，相比其他预测方法具有很大的优越性，实现了较好的训练效果，能够为投资者、上市公司和监管部门等提供可靠性依据。

二、BP神经网络模型理论

人工神经网络的类型不同是由拓扑结构的差异导致的，常用的前向型网络中就包含BP神经网络模型，它是人工神经网络的经典模型。它的工作原理包括两个部分，即正向数据传输和误差反传校正，如图2-1所示：

在图2-1的正向数据传输中，输入变量从输入层进入神经元，通过权值与阈值的加总计算、激活函数的转换后，将变量储存在隐藏层中;隐藏层的神经元节点再次将变量进行上述运算后，将变量传输给了输出层;输出层的神经元节点会将输出变量与期望输出变量进行对比，将误差反传给输入层，调整权值和阈值，进行第二次的输入输出计算。……