股票行情分析管理系统设计.docVIP

股票行情分析管理系统分析 随着改革开放的不断深入，我国股票市场得到了迅速的发展。现在，我国有股民4千万人，股票投资已成为众多个人理财的一各重要方式。不言而喻，如果投资者能正确预测股票价格，选准买卖时机，无疑会给个人带来丰厚收益。 一、股票价格的影响因素 最经常，直接，而又多方面作用于股票价格的是经济因素，此外，还有政治因素，人为因素，心理因素。 国际金融市场变化必会引发股市变动（东南亚金融危机） 政治风云变幻必会带来股市波动，表现国际形势的变化、战争的影响、国内重大政治事件。 利率与股价往往呈逆向运动。（不绝对）贷款利率的变化，贷款利率往往比存款利率提早变动；市场的景气动向（市场过旺，物价上涨，可能提高利率）；国际金融市场的利率变化影响。 外汇，资金与证券的交互影响（一般，一国货币升值，股份便会上涨，一旦货币贬值，股价下跌） 物价与股价同涨同跌， 分析行业趋势，留意板块变化 股价变动与行业寿命密切相关2.相关行业变动也会对股价产生影响3.行业景气循环对分析行业趋势十分重要4.有发展潜力的行业是股票投资的首选。 二、常用的股票分析方法 经过长期实践和研究，人们总结出了一套技术分析方法，利用这些方法方便了股民对股市的把握。如：K线理论，波浪理论，周期理论，切线理论等。现有的技术指标分析方法有：移动平均线，相对强弱指数，动量指标，乖离率，腾落指数，涨跌比率，成交量比率，平滑异同移动平均线（MACD）等。它们成为现在一般的股票分析软件的常用工具，在一般的股票分析软件中，都有这些技术指标的实现，不过在运用这些指标的同时一定要接合基本分析，并把成交量考虑进去，不能片面使用。 三、BP 神经网络算法 人工神经元网络以其独特的信息处理特点在许多领域得到了成功的应用。它不仅具有强大的非线性映射能力,可以实现任何复杂的因果关系,而且还具有许多优秀品质,如:自适应、自学习和容错性等,能够从大量的历史数据中进行聚类和学习,进而找到某些行为变化的规律。BP 学习算法是目前神经网络应用最广泛的学习算法。它具有很强的非线性映射作用,且能够识别有噪声或变形的样本,经过学习能够把样本隐含的特征和规则分布于神经网络的连接权上,且能共享。BP 网络具有“广义化”的性质,使得在非完整的、有噪音的、甚至前所未见的输入时,能得出合理的响应。BP 网络能容错。若某些连接损坏、失效或者改动,因为信息存储是分布在整个系统,网络的整体性能只是略有下降而已,并不导致整个系统的崩溃。BP 网络能够同时匹配大量输入信息,然后产生分类的或普遍化的输出,擅长于模式识别的任务。本系统选择BP 神经网络模型作为证券市场预测的基本因果模型,并收到了良好的效果。 1．BP 神经网络的数学表示式如下: (1) 隐藏层的输出(将BIAS 视为另一输入节点) (2) 输出层的计算 其中 ii ———网络的输入, 　　　　　　　　O ( k) ———网络的输出, Wij ———代表第1 层的节点i 与第2 层的节点j 之间的连接权值, Wjk ———代表第2 层的节点j 与第3 层的节点k 之间的连接权值, f ( x ) ———此节点的转换函数例如sigmoid : 　　 训练的过程为使用此网络的输入与输出的对映资料集,网络会利用权值的调整学习输入 与输出的非线性关系,训练的目的是使误差达到最小,定义如下: 其中 O ( p , k) ——输入样本p 的第k 个输出, t ( p , k) ———输入样本p 的第k 个目标输出, 2．使用BP网进行预测分析 使用BP神经网络进行分析预测时，要把能够影响股市的主要因素做为输入层的输入，如近期的股票数据，利率，政策影响，税收等，对于利率，税收，可以设定一定的等级，以变化的幅度来作为输入，对于政策影响可以分为几个档次，以一定的级别实现对股票的影响。作为输出层，就是要预测的股票价格。在编程实现时，要注意界面的友好，方便性，输入股票数据直接到数据库中查找，对于其它的影响因素可以以组合框、编辑框来输入，输出层的数据，可以以图形曲线的方法来显示。 在用bp网实现训练，预测时，可实现对不同时期的股票价格的不同的分析，以不同的权值来进行预测，如年底，年中，年前等，不同的区分原则，因为不同时期的股票价格，有不同的特点，分时期进行训练，预测可以提高预测的准确性。权值可以设定一定的结构进行存储，使用。 也可设定根据股票的影响因素的变化影响分别进行训练及使用，例如，当利率变化时，我们可以选用利率变化时的特殊bp网进行预测，当股市在训练时，择找出特殊的样本数据进行对特殊影响因素的训练识别，通过这样可以提高系统对特殊因素变化的敏感性从而提高预测的准确性及预先性。 同时也可使用分段的bp网对股票进行预测分析。例如，一般股票往往呈现一定的周期性，我们可以设定一定的区间，即给分析设