基于小波分析与神经网络时间序列的股票预测方法_王刚.pdfVIP

理 论 探 讨 基于小波分析与神经网络 时间序列的股票预测方法 王 刚 许晓兵 （上 海理 工 大 学 ，上 海 200093 ） 摘要：本 文提出 基于 小波分析 与神 经 网络时 间序 列 的股 测一旦陷入局部最小值就会使其预测结果大打折扣。 王建伟 票预 测 方 法 ，把股 票每日 最 高价 、最低 价 以及开盘 价 进行 小 （2004 ）运用Haar 和dbN 小波对鞍山信托的收盘价和成交量 波 去 噪 处 理 ， 然 后 把 去 噪 后 的 数 据 利 用 BP （Back 进行变换再用神经网络对股票价格预测取得了较好的预测 Propagation ）神 经 网络进行 预 测分析 ，实验 的结果表 明利 用处 结果；兰秋军等（2004 ）[4]和邓凯旭、宋宝瑞（2006 ）讨论了小波 理后 的数 据 进行 分析 比传 统 的 直接 使 用神 经 网络进行 分析 变换在金融时间序列中的应用，得出小波方法可有效消除金 的精 准度 更 高 ，预 测 的效果更好 。 融时间序列中的噪声， 并能充分保留原信号的特征； 李萍 关键字：小波分析 ；去噪 处理 ；神 经 网络 ；股 票预 测 （2010 ） 结合小波变换与神经网络对汇率等一些经济数据进 行预测也收到了很好的效果。 [5]可见把小波与神经网络相结 一、引言 合的分析预测方法在经济数据预测中能够收到很好的效果。 从股票产生起， 人们就开始对它进行各种各样的研究， 开盘价是股票当天第一笔成交价格，是市场各方对当天股价 研究表明股票市场是一个极其复杂的动力学系统。 高噪声、 的一个预期，对股价的走势具有一定的预测作用。 本文通过 严重非线性和投资者的盲目任意性等因素决定了股票预测 小波对股票每日最高价、 最低价以及开盘价进行去噪处理， 的复杂与困难。 针对股票市场表现的不同特点，人们提出了 然后用 神经网络对开盘价进行预测。 避免了非正常价格 BP 多种多样的预测方法，常用的预测方法有下面几种: 对股票的影响，提高了预测的精度。 1.证券投资分析法。 这是分析和预测股价变化方向和趋 二、小波消噪的基本原理 势的方法，可分为基本分析法、技术分析法和组合分析法三 小波分析方法是一种窗口大小固定但其形状可以改 大类。 变，时间窗和频率都可以改变的时频局部化分析方法。 即在 2. 时间序列分析法。 这种方法主要是通过建立股价及综 低频部分具有较高的频率分辨率和较低的时间分辨率，在高 合指数之间的时间序列相关辨识模型。 频部分具有较高的时间分辨率和较低的频率分辨率，所以被 3.其它预测方法。 如专家评估法和市场调查法等定性方 法，季节变动法、马尔柯夫法和判别分析等定量预测方法。 誉为数学显微镜，正是这种特性，使小波变换具有对信号的 4.神经网络预测法。 人工神经网络以其独特的信息处理 自适应性。 小波分析有两个显著特点：一是在时域都具有紧 特点在许多领域得到了成功应用。 它不仅具有强大的非线性 支集或近似紧支集；二是正负交替的波动性。 小波分析是将 映射能力，可以实现复杂的因果关系，而且还具有许多优秀 信号分解成一系列小波函数的叠加，而这些小波函数都是由 品质，如