第一章緒論

 

金融市場，也稱融資市場，是一種以借貸貨幣為主，對各種股票和證券進行交易的活動組織，處于當今社會經濟活動的核心位置。金融市場以其獨特的融資特點而區分于其他市場，我們從以下幾個特點方面來區分金融市場和其他市場：）交易對象，在其他的市場中，交易對象是各種商品，而金融則是以資金為交易對象的；）交易關系，和一般的市場交易關系不同，金融市場的交易關系是以借貸關系為主，體現了資金所有權和使用權相分離的原則；）金融市場可以分布在某個具體的地方，也可以是以某種形式存在的無形的市場。金融市場的體系從某種程度上決定了其價格的波動性（風險性）。金融市場自誕生以來，人們就一直對其價格規律進行研究和總結。作為國家經濟市場的核心部分，金融市場歷來備受關注。有效的融資管理、提高金融投資的回報率都成為各國政府和投資機構的長期關注的話題和目標之一。特別是在我國，隨著改革開放幾十年來經濟的迅速發展，金融市場的管理也成為一個焦點，我國的金融市場面臨著新的機遇和挑戰。如何把握和認識金融市場的變化規律，安全有效的管理金融市場在日新月異的國際背景之下變得尤為重要。剛剛過去的金融危機也在不斷的提醒我們，如何及時有效地發掘金融市場的本質規律已經成為挑戰性問題。自金融市場誕生以來，就有隨之而來的各種研究方法和工具研究其特點。最常見的研究方法是時間序列方法，時間序列方法是利用金融市場的歷史數據來研究金融市場的特征，規律及其走向。還有數理統計分析方法，在上一個世紀由于概率論與數理統計方法在金融市場數理分析中的廣泛運用，金融市場的研究取得了前所未有的突破。在這些傳統方法研究的基礎上，我們已經掌握了大量的金融市場的信息，然而這些仍然不足以解釋金融市場內部的一些復雜的規律和機制，因此，如何更加有效地從更多錯綜復雜的數據中找出金融市場潛在的市場規律成為一個至關重要的問題。而數據挖掘本身的意義，就在于從歷史數據中挖掘有意義的信息，尋找客觀規律。近十年間，數據挖掘技術的研發工作取得了很大的進展，并且得到了廣泛的應用，各種數據挖掘技術的應用極大地推動了人們分析、處理大量數據信息并從大量數據中提取有用信息的能力，給人們帶來了很好的經濟效益。

........

 

1.1選題背景和意義

股票投資的風險性是眾所周知的。它的風險性不僅僅體現在股價的跌漲，還體現在股價的跌漲幅度大小。與股票投資相關的所有的風險被分為總體風險和個體風險?？傮w風險，也稱全局風險，一般是指引對全體股票造成影響的風險，造成這種風險的影響因素一般是不可避免的，對股市全局都有一定影響的因素，例如金融危機，國家政策以及自然災害等。個體風險，又稱局部風險，一般是指只對某些個體股票證券產生影響的風險，通常是由某些個體的所處的環境或者個體內部一些機制變化而產生的風險。個體風險從某種程度上講是可以回避的，因此，又稱之為可分散風險。股票市場從投資的風險性以及可觀的利潤上都給人們以強烈的關注，投資者從自己的利益出發，希望了解股市的行情，掌握股價的規律以及股市的內部機制，從而獲得豐厚的利潤。另一方面，管理者也希望通過了解股票市場的內部機制，從而進行人為的調控以避免股市運行不當而造成的災難性后果，以此來維護股票市場的穩定。在近幾十年來，金融市場的研究領域在理論上已經發生了一定的改變，一方面，大家已接受了傳統的資本市場理論，另一方面，傳統的方法也在不斷地改進。隨著計算機技術的迅速發展，其算法技術的應用也頗為廣泛，股票市場的投資者也開始依靠計算機來分析和探索股票市場的規律，以此來獲得利潤。目前股票市場最為常見的分析方法是專業分析人員使用的基于基本分析法和技術分析法，這些方法也是目前能為投資者提供參考的最常用的方法。與此同時，部分有創新的投資思想已經初見苗頭。

.......

 

1.2我國股票市場的發展和國內外研究現狀

對股票價格趨勢以及跌漲幅的分析和預測是股票市場最基本的分析。和其他市場一樣，影響股票價格以及股價跌漲幅的最根本的原因是股市供求關系的變化?，F有的股票價格的分析方法主要集中在基本面的分析和技術指標分析。基本面分析僅停留在對發行單位的運營現狀，包括財務狀況，管理方式以，決策方式以及市場政策等方面的分析之上，這種方法可以全面的把握發行單位的狀況，更能切合實際地去分析股價。技術分析方法是基于統計圖表和圖形的判斷，以線形態為分析對象，配合技術指標對價格、成交量、換手率、委比、量比等參照技術指標進行量化分析和統計處理，以預測未來的股票價格的走勢。人們針對股票市場的多元性和復雜性提出了很多預測方法。常用的分析和預測方法是時間序列預測方法，如，，回歸預測，灰色預測等預測方法，當然還有其他預測方法也被提出用來預測，如專家評估法和市場調查法，季節變動法，馬爾科夫法以及神經網絡預測方法。神經網絡是一種新提出的方法，也是對時間序列方法的一種改進。近年來，隨著混沌理論的大范圍的應用，混沌理論也被應用到股票市場的預測和分析，并且反響較好。作為一種新模型，與一般的統計模型結果相比較，人工神經網絡模型具有很強的自學習能力，并且不用人為構建某個特定的模型，少了構建其他模型時的各種假設，更重要的是，人工神經網絡可以對任何函數進行非線性逼近。

..........

 

第二章數據挖掘與神經網絡

 

國際著名的神經網絡專家、第一個計算機公司的創始人和神經網絡實現技術的研究領導人給神經網絡的定義是：“神經網絡是一個以有向圖為拓撲結構的動態系統，它通過對連續或斷續式的輸入作狀態響應而進行信息處理”。在信息傳遞過程中，節點對信息進行處理，即激勵信息。每兩個節點之間有連接權值，這些權值在開始訓練網絡時是被初始化的，但可以根據反向傳播的誤差大小進行適當的調整。網絡不斷的訓練過程其實就是對某個非線性函數的逼近，或者是對某個邏輯關系的一種表達。人工神經網絡也是數學統計方法中的一種，它在各個領域的廣泛應用實際上就是對某個邏輯空間的表達，這種表達從某種程度上講，是對自然界的某些規律的總結。根據神經網絡的神經元之間的連接方式的不同，神經網絡被分為：前向網絡，有反饋的網絡，自組織神經網絡，相互結合型網絡，目前使用最多的是前向網絡。前向神經網絡結構階層明顯，從輸入層進入的信息通過神經元傳遞進入下一層單元，輸入層單元與下一層所有的單元相連，而下一層的單元之間無聯系，即同層單元相互獨立，而與下一層和上一層的單元都有聯系。其拓撲結構如圖所示。前向網絡中神經元的輸入輸出關系，可采用線性閾值硬變換或單元上升的非線性變換，它們的權算法都是采用有教師的學習率，根據神經元輸入輸出傳遞函數的差異、學習算法和網絡結構上的某些區別，可將前向型神經網絡分為感知器網絡、網絡、線性網絡、徑向基網絡以及網絡等不同的網絡模型。

.......

 

2.2神經網絡的發展和分類及在預測中的應用

國際著名的神經網絡專家、第一個計算機公司的創始人和神經網絡實現技術的研究領導人給神經網絡的定義是：“神經網絡是一個以有向圖為拓撲結構的動態系統，它通過對連續或斷續式的輸入作狀態響應而進行信息處理”。人工神經網絡是世紀年代在生物神經系統研究的啟發下發展起來的一種信息處理方法，是由大量簡單神經元所構成的非線性動力學系統，它處理信息的方式類似于動物大腦的處理方式，即是一種利用神經元之間的突起來進行信息傳遞的數學模型。在學術界和工程應用領域，人工神經網絡也被稱為簡稱為神經網絡，或者根據其模擬人腦的特點，稱之為類神經網絡，人工神經網絡十由大量神經元節點構成的一種網絡結構，每個節點都是一種激勵函數（），在信息傳遞過程中，節點對信息進行處理，即激勵信息。每兩個節點之間有連接權值，這些權值在開始訓練網絡時是被初始化的，但可以根據反向傳播的誤差大小進行適當的調整。網絡不斷的訓練過程其實就是對某個非線性函數的逼近，或者是對某個邏輯關系的一種表達。人工神經網絡也是數學統計方法中的一種，它在各個領域的廣泛應用實際上就是對某個邏輯空間的表達，這種表達從某種程度上講，是對自然界的某些規律的總結。

......

 

第三章用于股票分析的神經網絡模型的建立.........18

3.1作為神經網絡輸入節點技術指標及數據處理........18

3.2模型設計工具的選擇........20

3.3傳統的神經網絡的建立........23

3.4本文網絡函數的設計........27

第四章數據模擬和結果分析........29

4.1預測誤差指標........29

4.2數據模擬........32

第五章總結與展望........35

5.1神經網絡在短期預測中的實用性........35

5.2網絡模型的缺點及改進........37

5.3模型的拓展使用和展望........38

5.4結論........39

 

第四章數據模擬和結果分析

 

4.1預測誤差指標

本章利用第三章建立的網絡模型對包括萬科，五糧液，浦發銀行，寶鋼股份，中國石化，上海家化，貴州茅臺，中儲股份，伊利股份，分析了在隱含層神經元選擇個數不同時的預測結果，討論了隱含層神經元個數的選擇對整個網絡預測結果的影響，對比了神經元個數不同時的值，從而選擇選擇出預測結果最優的隱含層神經元個數。由上述分析我們可以看出，隱含層神經元個數的選擇對于整個網絡的訓練是很重要的，隱含層神經元個數的選擇直接影響到網絡的逼近效果和預測精度。因此，如何合理的選擇隱含層神經元的個數成為一個挑戰性的問題。在本文的網絡訓練過程中，我們選擇了不同的隱含層神經元個數分別對支股票進行了試驗，得到最優的結果，這樣避免了就一次選擇了隱含層神經元的個數而造成的網絡訓練不當，從而浪費時間和人力。

.......

 

結論

 

股票，作為金融市場的重要組成部分，已經成為大多數投資者關注的焦點。然而，作為高風險投資產品，股票也也成了金融市場的一把雙刃刀。因此，股票的分析和預測對于股票市場和投資而言，變得尤為重要。我們國家的股票市場相對于國外發達國家的股票市場畢竟還很年輕，還沒有達到完全的市場化，還有許多需要改革和推進的部分，如：交易機制、股權結構、投資結構等諸多方面。然而，市場化是一個實現交易自由和公平的前提，隨著中國的經濟增長和市場規模的逐漸擴大，完全市場化是一個大勢所趨，并且這一趨勢不可逆轉。隨著這一進程的加快，通過神經網絡來進行預測提供給決策者進行參考的重要性也會逐漸提高，未來隨著研究和實際應用的深入，這一技術將會越來越多的應用到各個專業的金融機構，并會擴展到債券、外匯、期貨等等投資領域。因此，股票的分析和預測對于股票市場和投資而言，變得尤為重要。本文還提出了人機交互式系統模型，在條件允許的情況下，我們可以設計一個軟件，只需在用戶界面輸入數據即可得到預測結果。在結尾部分我們還對論文的整體工作做了小結，并展望了神經網絡在未來預測領域的使用?？傮w上講，網絡的預測效果還是很好的，我們期待在現有的基礎上，有更好的改進方法來提高股票的預測精度。然而，我們知道，影響股票漲幅以及價格的因素頗多，僅靠我們提出的這套理論來預測還是遠遠不夠的，我們必須結合經驗來對預測模型以及預測結果加以修正才能夠更好的把握股票市場的走向，來為股票投資者產生更大的收益，也可以為管理者提供更有效的管理方案，從而使得股票市場更加健全有效的發展。

.........

參考文獻（略）