基于遗传算法和神经网络的股票价格预测

遗传算法

　第23卷　第2期

文章编号:100325850(2010)0220061202

电脑开发与应用(总149) 61

基于遗传算法和神经网络的股票价格预测

ForecastingStockPricesbasedonGeneticAlgorithmsandNeuralNetwork

卢　泽　叶德谦　南　敏

(青岛理工大学中德信息技术合作研究所　山东青岛　266033)

【摘　要】针对证券市场运作的复杂性,提出了一种改进的BP神经网络模型,并将其应用于金融街的股价预测。采用遗传算法对网络结构和权值进行了优化,提高了网络的预测精度,加快了收敛速度,克服了以往传统预测方法的缺点。实验结果表明,将改进的BP网络模型用于股市分析和股价预测具有一定的准确性和应用价值。【关键词】BP神经网络,遗传算法,股票价格,预测

中图分类号:TP393文献标识码:AABSTRACT　Tothecomplexityoftheoperationofthesecuritiesm,animprovedmodelwasproposed,andsuccessfullyappliedtothestockpricepredictionofFinanceStreet.monofandrightvaluebygeneticalgorithmsimprovedthepredictionpof,speed,andovercomethe

shortcomingofthepasttraditionalfoethods1ExperimentalresultindicatedtheuseofimprovedBPnetworkforenttobefeasible,effective,havecertainrationalityandapplicationprospect1

KEYWORDS　BPork,geneticalgorithm,stockprice,prediction

　　在股票市场中交易股价往往与它的本身价值有一定的差别,这将导致人们投资的风险和机遇。例如,我国A股市场在2007年10月24日达到最高的6124点,之后又在一年后落回到1700点左右,充分体现了股市的风险与收益关系。正是由于这个原因,掌握其变化规律,预测其走势,并在其中获得收益一直是投资者梦寐以求的一件事情。而近几年来股票投资已经成为许多家庭理财的一种重要方式。

在学术界,股票价格的预测一直备受研究者们的关注,股票市场的高额回报也促使了股票市场预测的发展[123]。对于股票变动趋势预测的方法分为两派:一是基本面分析,其主张每一张股票都有其价值,而其价值受到经济因素、政治因素、公司自身因素、行业因素、心里因素等因素决定,虽然价格可能在价值的上下波动,但是不会脱离价值;二是技术分析,其核心是三条:即市场行为反应一切;价格呈趋势变动;历史会重演。由于基本面分析存在建模复杂,预测量大,因素不能准确确定等原因只能预测股票的长期价格变动和价格趋势。相比之下,技术分析可以根据数据本身的联系分析近期的走势,故本文采用技术分析法。而使用的技术是近期非常成熟的遗传算法和神经网络技术。

1　预测过程

111　确定输入

能预测股票价格的因素相当多,有如开盘价等历

3　　2009211201收到,2009212229改回

33　基金项目:教育部留学回国科研基金资助项目(0212498)。

史基本信息,还有如KDJ等间接反应走势的处理后信息。本文选择开盘价、最高价、最低价、收盘价、成交量、MA5、MA10、MA20、MACD、KDJ、W&R、OBV、BOLL作为输入项。数据来源为大智慧软件收集的2004年3月10日到2009年5月21日之间1213个交易日里金融街股票的相关数据。其中前1200个数据作为训练数据,后13个数据作为预测数据。112　神经网络设计

人工神经网络是人工智能的一种方法,具有可任意逼近非线性连续函数的学习能力。而BP神经网络是其中一项成功应用。BP算法是非循环多级网络的训练算法。其主要思想是将学习过程分为两个阶段:第一阶段,给出输入信息并通过输入层经隐含层逐层处理并计算每个单元的实际输出值,此称为正向传播过程;第二阶段,若在输出层未能得到期望的输出值,则逐层递归地计算实际输出与期望输出之差值,以便调节权值,此称为反响过程[4]。BP网的结构如图1所示。

整个过程即为利用输出层的误差来估计输出层的直接前导层的误差,再利用这个误差来估计更前一层的误差,如此下去就获得了其他各层的误差估计,这样就形成了将输出层端表现出的误差沿着与输入信号传送相反的方向逐级向网络的输入端传递的过程[5]。

Cybenko、Fanahashi和Hornik已经从理论上证明了:仅含有一个隐层的前向神经网络能够以任意精度逼近定义在C([0,1]n)上的一个紧集上的任意非线

333卢　泽,男,1984年生,硕士研究生,研究方向:人工智能,决策支持。