论文部分内容阅读
该文利用神经网络技术检验数据初期处理算法对预测效果的影响,提出了三种数据前期处理算法的改进方法:(1)收盘价5日涨跌比;(2)成交量5日均值法;(3)日均价法.该文首先针对股票预测广泛的社会需求,概述了股票预测的技术现状、常用分析方法,以及传统预测方法面临的问题;其次,综合比较了改进的BP算法和径向基函数法、回溯期改变以及输入矢量差别对预测结果的影响,确定了一个结构和性能良好的神经网络,能够减少外界因素对预测结果产生的干扰,更好的体现数据初期处理算法的性能;最后,基于选定的神经网络结构和参数,检验该文提出的三种数据初期处理算法的有效性.其中,"日均价法"预测值对实际值的波动趋势拟合的效果良好,可以作为股票实际操作的指导,具有一定的实用价值.影响股市的因素很多,要准确的预测股市波动非常困难.该文的研究表明,对于变幻莫测的预测市场,应用神经网络技术这种智能信息处理方法于股票预测,有可能取得比较满意的结果,并具有实际操作意义.