基于GM(1,1)动态等维残差修正-BP神经网络组合预测模型

摘要

金融投资中的影响因素有多种，在证券投资中起主要作用的是对股票价格的预测准确度，对股票价格的预测需要考虑的因素也有多种，影响股票价格的不仅有国家的经济政策的因素还有投资人的决策因素等，在这些因素的影响下，股票价格并不是简单的呈现线性关系，金融行业中对股票价格的预测是常见的但是准确率确实不能保证，所以，股价预测就成了金融市场中亟待研究和解决的课题之一。
　　GM(1，1)模型和BP神经网络模型是股票预测中常用的预测模型，模型简单，易于理解操作。但是单一预测的精度很难达到股民和投资者的精度要求，在实际中没有多大的应用价值。为了更好的提高预测精度，为广大股民和股票投资者争取实际利益，本文提出了一种组合预测模型:
　　在对GM(1，1)模型进行研究的基础上进行了动态等维残差修正，其精度得到了有效的提高;为了能更好的满足实际的需要和理论的研究需要，再次在残差修正的基础之上将GM(1，1)模型和BP神经网络模型串联起来形成组合模型，利用GM(1，1)动态等维残差修正模型得到的预测数据作为输入数据，而实际的每日股票收盘价作为目标数据进行BP神经网络的训练，通过训练来建立组合预测模型。模型构建完成后，输入实际的日期数据便可得到要预测的当日股票收盘价，为了检验所提出模型的可行性和有效性，用上证交易所的股票亚宝药业(SHA:600351)的数据对所建立的模型进行了实证分析，结果表明所建立的组合模型对实际的股票预测能够起到很好的指导作用。

目录

声明

摘要

图表索引

第一章 绪论

1．1 股价预测研究的意义

1．2 股价预测当前的研究现状

1．3 本论文的主要研究工作及章节安排

第二章 股价预测分析

2．1 股价预测概述

2．1．1 引言

2．1．2 股价预测的分类

2．1．3 股价的可预测性

2．2 股价变化的原因

2．3 我国股价预测的发展和完善

2．4 基于灰色预测的BP神经网络组合预测模型概述

第三章 灰色GM(1，1)模型的基本原理

3．1 灰色系统概述

3．2 GM(1，1)模型及其预测过程

3．2．1 建立GM(1，1)模型

3．2．2 GM(1，1)模型的残差修正

3．3 GM(1，1)模型的检验

3．3．1 精度检验

3．3．2 关联度检验

3．3．3 后验差检验

3．4 GM(1，1)动态等维模型的构建

第四章 GM(1，1)动态等维-BP神经网络组合预测模型

4．1 BP神经网络概述

4．2 BP神经网络模型工作的基本工作模式

4．3 BP神经网络算法

4．4 BP算法用在股价预测中的不足

4．4．1 网络的精确度不高

4．4．2 输入致据难以的确定

4．4．3 参数难以的调节

4．5 GM(1，1)动态等维-BP神经网络组合预测模型

4．5．1 组合预测模型概述

4．5．2 组合预测模型的优点

4．5．3 组合预测模型的分类

4．5．4 组合预测模型的预测过程

4．5．5 组合预测模型的结果检验

第五章 组合预测模型的实证预测与分析

5．1 GM(1，1)灰色预测模型实证分析

5．2 BP神经网络模型实证分析

5．2．1 输入数据的获取

5．2．2 BP预测模型的预测过程

5．3 动态等维GM(1，1)-BP组合模型的预测过程

结论

参考文献

附录

致谢