![](https://csdnimg.cn/release/download_crawler_static/88319865/bg5.jpg)
股票市场的稳定关系着整个中国市场经济的健康发展和稳定,中国的股民众多,当今中国已经拥有7000多万的股
票投资者,可以股票市场已经是中国的经济制度中的一个尤为重要组成部分。对一个人和一家企业来说,股票价格的
预测关系到自身利益股价的上升或下降能够影响家庭和企业的经济实力,对国家来说也是如此。随着我们党和国家
的经济建设不断地进步和发展,人民群众的物质精神生活和文化素养得到了不断地提升,对于股票这种虚拟货币的认
识也变得更加清晰。如今,世界正朝着全球经济一体化进程不断迈进,股票作为开放经济中的一种,不仅影响国家
的进出口贸易,还会对国家货币汇率产生冲击。若股价波动巨大,甚至会造成经融危机,这绝不是危言耸听。对于
参与股票投资的公司股东和股民来说,能够准确预测未来股票价格就是抓住了自身的经济效益;对我们的国家和社
会来说,准确预测股票价格能够实现社会建设和经济发展。总之,我们预测股票价格是非常具有现实意义的。
1.3研究现状
当今对于股票预测和分析主要有两种方法:时间序列法、BP神经网络法。最早的时间序列法是指通过对数据的
比较或者最简单的绘图来发现规律,随着研究的深入和数据的复杂程度的增加,这种简单的方法不再适合我们解决
问题,于是引入了人们对时间序列本质的探索。发展至今,应用时间序列方法和理论逐步完善,应用也越来越广
泛。神经网络的发展总体来讲可分为两个阶段:出现阶段[3]、发展阶段。出现阶段:1890年美国学者W.James首次提
出人脑结构与功能之间的联系,此后基于神经元的数学模型出现。1949年科学家rosenblant首次提出感知器的概
念,产生了世界上第一个人工神经网络。发展阶段:有学者指出感知器的功能受限,是因为无法对线性不可分的样
本进行分类,这使神经网络的发展陷入瓶颈。此后美国学者David E.Rumelhart和james L.Mccelland在书中明确指
出bp算法的优点,它能够解决无法对权值进行调整的世界性难题,从此Bp神经网络开始成为了解决非线性难题的重
要理论。下面介绍时间序列发和bp神经网络的具体应用和各自的优点。
时间序列法是指建立时间序列与股票综合指数的统计关系模型,最常见的时间序列模型主要包括两种:ARMA模
型、ARIMA模型。前者适用于稳定的时间序列,后者适用于非稳定时间序列。由于时间序列法使用数据单一、操作简
单、且预测结果较为准确,所以使用时间序列法对股票价格进行预测也变得越来越流行。徐莹[4]使用arma模型对股
票价格进行短期的预测,预测结果是十分理想的;王晓红[5]等人中使用改进后的(ARIMA-TGD-SVM)混合股票价格
预测模型对股票价格进行预测,预测精度很高;研究表明,时间序列法虽然操作简单、短期预测效果良好,但是预
测的精度会随预测周期的增大而降低,所以我们要根据实际情况选取恰当的方法对股票进行预测和分析。
1.3.2 神经网络法
神经网络法是指通过神经网络建立数学模型来预测股票的走势,神经网络凭借其抗干扰、学习能力强、自组织
和自适应等优点,成为了预测股票等非线性复杂数据的最佳选择。由建史楠[6]等人提出基于DMD-LSTM模型的股票时
间序列的研究方法是一种区别于传统的股票价格预测方法,在特定的市场中预测价格的精度非常高;邓烜堃等[7]人
提出建立DAE-BP神经网络模型对股票价格进行预测,深度度自编码器提取股票的特征优势十分明显,预测精度特别
高。它的计算能力可以在其分布结构以及学习能力上得到体现,其结构可根据实际情况而定,即输入层的神经元数
量以及隐含层数和输出单元数可以根据数据以及期望结果而得到调整。神经网络所需要涉及的科学领域颇多,如网络
医学、计算机网络科学、信息学等,当我们不能够充分利用其他的网络数学计算手段应用来快速建立精准的网络数学
计算模型时,我们就能够凭借BP神经网络对其非线性函数映射的分析能力等来帮助我们快速解决实际的数学问题。
1.4研究的主要内容
(1)了解并确定影响股票价格的几个关键指标,明确股票预测中的关键问题,本文中将收盘价作为股票的价格
来进行研究。
(2)建立arima模型对股票价格预测,依据有关公式计算arima模型的预测精度。
(3)学习BP 神经网络的总体结构及BP算法基础的公式以及推导。
(4)通过确定网络层数、各层神经元的个数、传输函数以及训练函数、学习函数,建立基于BP神经网络股票预
测模型来对股价预测,使用 matlab 软件对其进行了仿真和实验并分析,针对同一组股票数据计算模型预测精度,与
(2)中预测精度对比。
股票股份是由中国证券股份有限公司向股票投资者公开发行的、给与其他公司股票合法持有者和股票投资者共