基于神經(jīng)網(wǎng)絡(luò)的股票價(jià)格走勢(shì)預(yù)測(cè)及其MATLAB實(shí)現(xiàn)——論文(共33頁)

1、 基于(jy)神經(jīng)網(wǎng)絡(luò)的股票價(jià)格走勢(shì)預(yù)測(cè)及其MATLAB實(shí)現(xiàn) 摘要(zhiyo) 伴隨著我國經(jīng)濟(jì)的高速發(fā)展和廣大投資者日益旺盛的需求，股票投資已經(jīng)成為一種常見的投資手段，而股票價(jià)格預(yù)測(cè)也逐漸成為廣大投資者關(guān)心和研究的重點(diǎn)問題。股票價(jià)格的波動(dòng)是一個(gè)高度復(fù)雜化的非線性動(dòng)態(tài)系統(tǒng)，其本身具有諸如大規(guī)模數(shù)據(jù)、噪聲、模糊非線性等特點(diǎn)。針對(duì)這些特點(diǎn)本文在深入分析股票市場(chǎng)實(shí)際預(yù)測(cè)中所面臨的關(guān)鍵問題和比較各種已有的股票預(yù)測(cè)方法的基礎(chǔ)上，探討運(yùn)用神經(jīng)網(wǎng)絡(luò)這一人工智能工具，研究基于(jy)歷史數(shù)據(jù)分析的股票預(yù)測(cè)模型。神經(jīng)網(wǎng)絡(luò)是建立在對(duì)大規(guī)模的股票歷史數(shù)據(jù)的學(xué)習(xí)仿真的基礎(chǔ)上，運(yùn)用黑盒預(yù)測(cè)方式找出股市波動(dòng)的內(nèi)在規(guī)律，并

2、通過將其存儲(chǔ)在網(wǎng)絡(luò)的權(quán)值、閾值中，以此來預(yù)測(cè)未來短期或是中長期的價(jià)格走勢(shì)。關(guān)鍵字：神經(jīng)網(wǎng)絡(luò)，股票，預(yù)測(cè)，MATLAB工具箱ABSTRACTAlong with the economy growth and increasingly strong demand of many investors in our country, stock has become a common means of investment, and stock price forecast has greatly been one of the focuses of study topic. The change o

3、f stock price is a highly complicated nonlinear dynamic system, itself has many characteristics such as massive data, noise, fuzzy and nonlinear. This article analyses the key issues being existent in the real stock market prediction and compares various existing stock forecasting methods. We will t

4、ry to research on stock price prediction model based on a neural network with huge historical data.Neural network is based on studying massive historical data, uses the black box of forecasting ways to find the internal disciplinarian of stock market, and stores them in the weights and valves values

5、 of the neural network for predicting the short-term or long-term trend in the future.KEYWORD：Neural networks, Stock, prediction, MATLAB toolbox 目錄(ml)TOC o 1-2 u 摘要(zhiyo) PAGEREF _Toc2221 1一 緒論(xln) PAGEREF _Toc30653 31.1研究背景及意義 PAGEREF _Toc11977 31.2國內(nèi)外研究的現(xiàn)狀 PAGEREF _Toc13853 41.3 論文的研究方法及其框架結(jié)構(gòu) P

6、AGEREF _Toc12066 5二 股票預(yù)測(cè)的關(guān)鍵問題分析 PAGEREF _Toc6593 62.1 股票價(jià)格波動(dòng)的因素以及預(yù)測(cè)的基本假設(shè) PAGEREF _Toc4300 62.2 股票預(yù)測(cè)的常用術(shù)語和技術(shù)指標(biāo) PAGEREF _Toc7971 82.3股票數(shù)據(jù)的特點(diǎn) PAGEREF _Toc4394 11三 神經(jīng)網(wǎng)絡(luò)的基本原理介紹 PAGEREF _Toc15781 113.1人工神經(jīng)網(wǎng)絡(luò)的定義和發(fā)展過程 PAGEREF _Toc25460 123.2 神經(jīng)網(wǎng)絡(luò)基本原理 PAGEREF _Toc6005 123.3 BP神經(jīng)網(wǎng)絡(luò)介紹 PAGEREF _Toc21906 153.4 神

7、經(jīng)網(wǎng)絡(luò)的特點(diǎn) PAGEREF _Toc28043 193.5 神經(jīng)網(wǎng)絡(luò)的在實(shí)際預(yù)測(cè)模型中的問題 PAGEREF _Toc19619 19四 神經(jīng)網(wǎng)絡(luò)算法 PAGEREF _Toc8321 214.1 輸出輸入變量的選取 PAGEREF _Toc24296 214.2數(shù)據(jù)歸一化處理 PAGEREF _Toc3421 224.3數(shù)據(jù)樣本分類 PAGEREF _Toc15859 224.4網(wǎng)絡(luò)初始化 PAGEREF _Toc19845 224.5 訓(xùn)練網(wǎng)絡(luò) PAGEREF _Toc31549 234.6網(wǎng)絡(luò)仿真 PAGEREF _Toc23414 24五 仿真實(shí)驗(yàn) PAGEREF _Toc17052

8、 244.1 單日收盤價(jià)對(duì)單日收盤價(jià)預(yù)測(cè) PAGEREF _Toc27114 244.2 單日收盤價(jià)，成交量對(duì)單日收盤價(jià)預(yù)測(cè) PAGEREF _Toc16682 254.3 多日收盤價(jià)，成交量對(duì)單日收盤價(jià)預(yù)測(cè) PAGEREF _Toc27038 264.4 多日收盤價(jià)，成交量對(duì)多日收盤價(jià)預(yù)測(cè) PAGEREF _Toc25753 27六 結(jié)論和展望 PAGEREF _Toc22996 28附錄（股票數(shù)據(jù)和程序代碼） PAGEREF _Toc15889 28一 緒論(xln)1.1研究背景(bijng)及意義許多偉大的預(yù)言家認(rèn)為，每一個(gè)世紀(jì)的開始十年發(fā)生的事情將奠定(dindng)這個(gè)世紀(jì)的發(fā)展方

9、向。進(jìn)入新的21世紀(jì)以來，頭十年發(fā)生的最重要的一件事情莫過于2008年的金融危機(jī)。這場(chǎng)罕見的金融風(fēng)暴不僅給中國帶來了巨大的沖擊，也給國際市場(chǎng)帶來了更多的挑戰(zhàn)。毋庸置疑，21世紀(jì)是金融家的世紀(jì)，雖然華爾街帶著貪婪與欲望的負(fù)面形象向我們走來，但我們堅(jiān)信在未來將會(huì)出現(xiàn)更多的這種華爾街聚集地。21世紀(jì)的經(jīng)濟(jì)既是一種以知識(shí)為本的經(jīng)濟(jì)，又是一種金融化的經(jīng)濟(jì)?，F(xiàn)代科學(xué)技術(shù)的發(fā)展及其在產(chǎn)業(yè)中的擴(kuò)散，是2l世紀(jì)經(jīng)濟(jì)增長的原動(dòng)力，而現(xiàn)代金融則使這種原動(dòng)力以乘數(shù)效應(yīng)推動(dòng)著經(jīng)濟(jì)的增長。證券投資是現(xiàn)代金融重要的組成部分，它是指投入貨幣或?qū)嵨?，形成證券形態(tài)的金融資產(chǎn)，并通過持有和運(yùn)用這些資產(chǎn)獲取增值收益的行為。正是由于證

10、券投資具有實(shí)現(xiàn)價(jià)值增值、支撐社會(huì)融資、化解供求壓力、穩(wěn)定經(jīng)濟(jì)運(yùn)行、傳遞經(jīng)濟(jì)信息等功能，證券投資成了政府、企業(yè)和眾多投資者關(guān)心并參與的經(jīng)濟(jì)活動(dòng)。在經(jīng)濟(jì)全球化、市場(chǎng)一體化和資產(chǎn)證券化的大背景下，2l世紀(jì)全球經(jīng)濟(jì)體系之間將更加開放、更富有流動(dòng)性，財(cái)富的物質(zhì)形態(tài)逐漸淡出，資產(chǎn)或財(cái)富的虛擬化傾向日益明顯，在資產(chǎn)或財(cái)富的快速流動(dòng)中，財(cái)富或在流動(dòng)中增值，或在流動(dòng)中消失。財(cái)富聚合速度日益加快，市場(chǎng)競(jìng)爭(zhēng)更加激烈，經(jīng)濟(jì)運(yùn)行的軸心逐步轉(zhuǎn)向現(xiàn)代金融業(yè)，經(jīng)濟(jì)運(yùn)行的風(fēng)險(xiǎn)在明顯增大。而股票，作為證券投資的重要組成部分，眾所周知，股票價(jià)格受到國內(nèi)外政治、宏觀經(jīng)濟(jì)與微觀經(jīng)濟(jì)等許多錯(cuò)綜復(fù)雜因素的影響，現(xiàn)在已經(jīng)成為整個(gè)社會(huì)經(jīng)濟(jì)的“

11、晴雨表”和“報(bào)警器”，其對(duì)于經(jīng)濟(jì)發(fā)展的影響不可估量。股票是市場(chǎng)經(jīng)濟(jì)的產(chǎn)物，股票的發(fā)行與交易促進(jìn)了市場(chǎng)經(jīng)濟(jì)的發(fā)展。近年來，股票市場(chǎng)已經(jīng)逐步成為證券業(yè)乃至整個(gè)金融業(yè)必不可少的組成部分，顯示出強(qiáng)大的生命力，股票投資也已經(jīng)成為人們?nèi)粘Ｉ畹囊粋€(gè)重要組成部分。股市的暴漲暴跌對(duì)金融市場(chǎng)會(huì)產(chǎn)生很大的振蕩，直接影響到金融市場(chǎng)的穩(wěn)定和經(jīng)濟(jì)的健康發(fā)展。如果能夠預(yù)測(cè)股票的漲跌，及時(shí)對(duì)股票市場(chǎng)進(jìn)行合理的調(diào)控和健康的引導(dǎo)，這將為我國經(jīng)濟(jì)的持續(xù)發(fā)展提供堅(jiān)實(shí)的后盾。股票預(yù)測(cè)，是經(jīng)濟(jì)預(yù)測(cè)的一個(gè)分支，是指以準(zhǔn)確的調(diào)查統(tǒng)計(jì)資料和股市信息為依據(jù)，從股票市場(chǎng)的歷史、現(xiàn)狀和規(guī)律性出發(fā)，運(yùn)用科學(xué)的方法，對(duì)股票市場(chǎng)的未來發(fā)展前景做出預(yù)測(cè)。

12、在金融系統(tǒng)的預(yù)測(cè)研究中，股票預(yù)測(cè)是一個(gè)非常熱門的課題。這是因?yàn)楣善笔袌?chǎng)具有高收益與高風(fēng)險(xiǎn)并存的特性，隨著股市的發(fā)展，人們不斷在探索其內(nèi)在規(guī)律，對(duì)于股市規(guī)律認(rèn)識(shí)逐步加深，產(chǎn)生各種各樣的股市預(yù)測(cè)方法。但是，股票市場(chǎng)作為一種影響因素眾多、各種不確定性共同作用的復(fù)雜的巨系統(tǒng)(xtng)，其價(jià)格波動(dòng)往往表現(xiàn)出較強(qiáng)的非線性的特征。另外，股市的建模與預(yù)測(cè)所處理的信息量往往十分龐大，對(duì)算法有很高的要求。正是由于這些復(fù)雜的因素，使得關(guān)于股市的預(yù)測(cè)往往難如人意。中國的股票市場(chǎng)雖然起步較晚，但隨著有關(guān)政策、法律法規(guī)的出臺(tái)和完善，股票市場(chǎng)逐步走向成熟、規(guī)范。股民在交易行動(dòng)之前對(duì)股票市場(chǎng)的未來加以預(yù)測(cè)也會(huì)成為一種自覺(

13、zju)的思維活動(dòng)。然而股票指數(shù)受國際市場(chǎng)、金融政策、利率政策、公司狀況及投資者心理承受能力等因素的影響，其走勢(shì)的預(yù)測(cè)非常困難。從中國股票市場(chǎng)的特征來看，大多數(shù)學(xué)者的結(jié)論支持中國股票市場(chǎng)的股票指數(shù)的時(shí)間序列是序列相關(guān)的，即歷史數(shù)據(jù)對(duì)股票的指數(shù)形成起作用，股票指數(shù)充分反映了所有相關(guān)的信息。因此，可以通過對(duì)歷史數(shù)據(jù)的分析來預(yù)測(cè)股票指數(shù)。在股票交易事務(wù)處理中，每天有開盤、最高價(jià)、最低價(jià)、收盤、流通量等交易信息為主的大量數(shù)據(jù)(shj)匯入數(shù)據(jù)庫。在股票交易過程中，每天有以交易信息為主的大量數(shù)據(jù)匯入數(shù)據(jù)庫，這些數(shù)據(jù)無疑對(duì)股民了解股市的走勢(shì)，做出正確的投資決策。本文利用神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性逼近能力和自

14、學(xué)習(xí)、自適應(yīng)等特性，將其應(yīng)用于股票預(yù)測(cè)中，通過對(duì)股票歷史的交易數(shù)據(jù)挖掘去預(yù)測(cè)未來的股票的交易價(jià)格的變化與趨勢(shì)。1.2國內(nèi)外研究的現(xiàn)狀 股票交易作為一種現(xiàn)代經(jīng)濟(jì)活動(dòng)中的常見風(fēng)險(xiǎn)投資交易，其高收益和高風(fēng)險(xiǎn)相伴相生的特點(diǎn)，使得股票交易具有很強(qiáng)的投機(jī)性。這種投機(jī)性是基于市場(chǎng)供求關(guān)系變化以及股票價(jià)格的實(shí)時(shí)波動(dòng)，投資者追求在低價(jià)買入高價(jià)拋售中賺取相應(yīng)差價(jià)，從而實(shí)現(xiàn)資本增值或是盈利。因此不論是投資者，更包括市場(chǎng)的監(jiān)管部門等都對(duì)分析股市、試圖預(yù)測(cè)股市的發(fā)展趨勢(shì)等股市核心問題積極關(guān)注和廣泛研究。在這樣的背景下，國內(nèi)外許多學(xué)者都對(duì)股市的預(yù)測(cè)分析方法進(jìn)行了研究并都出了很多理論和實(shí)踐的結(jié)論。 在股票市場(chǎng)上，一般采用兩

15、類股票投資分析方法：基本分析法和技術(shù)分析法。其中基本分析法是通過對(duì)影響股票市場(chǎng)供求關(guān)系的基本因素進(jìn)行分析，以此來確定股票的真正價(jià)值，判斷股票市場(chǎng)的未來走勢(shì)，提供投資者選擇股票交易的依據(jù)。而技術(shù)分析法則是一種完全根據(jù)股票市場(chǎng)行情變化而加以分析的方法，它通過對(duì)歷史資料(如股票的成交量和成交價(jià)格)進(jìn)行分析，判斷整個(gè)股票市場(chǎng)或是個(gè)別單只股票價(jià)格未來的變化趨勢(shì)，給投資者提供交易股票的信號(hào)。這其中建立在統(tǒng)計(jì)學(xué)基礎(chǔ)之上常見的技術(shù)分析方法，有移動(dòng)平均線法、點(diǎn)數(shù)圖法、K線圖法等。對(duì)于受政治、經(jīng)濟(jì)、心理、國際市場(chǎng)等多種因素影響的復(fù)雜股票市場(chǎng)，使用傳統(tǒng)的技術(shù)分析工具進(jìn)行股票買賣決策難度較大，大多數(shù)投資者應(yīng)用的結(jié)果并

16、不理想。 以下是幾種常見的股市預(yù)測(cè)方法介紹。1.時(shí)間序列分析法通過建立股價(jià)與綜合指數(shù)的時(shí)間序列辨識(shí)模型，如傳統(tǒng)的隨機(jī)游走模型(RW)，自回歸移動(dòng)平均模型(ARIMA)，齊次非平穩(wěn)模型(ARMA)等來預(yù)測(cè)未來股價(jià)變化。它包括兩種類型：?jiǎn)巫兞颗c多變量。單變量模型對(duì)于短期預(yù)測(cè)具有良好的效果，但需要大量數(shù)據(jù)，并且模型結(jié)構(gòu)與參數(shù)的選取是非常復(fù)雜的過程；多變量模型例如Regression Analysis?？傊朔N分析方法只適用于短期預(yù)測(cè)，當(dāng)預(yù)測(cè)周期變長，其準(zhǔn)確性急劇下降。2.基于(jy)統(tǒng)計(jì)學(xué)理論的預(yù)測(cè)方法統(tǒng)計(jì)學(xué)理論的預(yù)測(cè)方法，主要是基于模型擬合和最小二乘原理建立各種回歸、自回歸、混合回歸模型進(jìn)行預(yù)測(cè)。

17、此類方法，具有嚴(yán)格的數(shù)學(xué)基礎(chǔ)，應(yīng)用較廣泛，近年也有相當(dāng)?shù)陌l(fā)展。如廣義線性模型，它放松了經(jīng)典線性模型的假設(shè)(jish)，極大地豐富了回歸分析的理論，對(duì)假設(shè)進(jìn)一步放松，提出了一般的回歸模型，該領(lǐng)域研究具有十分驚人的前景，但由于其僅能辨識(shí)參數(shù)的方向，應(yīng)用起來十分不便，僅能對(duì)建模提供指導(dǎo)。3.灰色預(yù)測(cè)(yc)方法所謂灰色預(yù)測(cè)法，是指自變量和因變量之間滿足某種數(shù)學(xué)關(guān)系和滿足某種特定條件，但是由于歷史數(shù)據(jù)的不全面和不充分或某些變量尚不清楚和不確定，使預(yù)測(cè)處于一種半明半暗的狀態(tài)。 4.組合預(yù)測(cè)法對(duì)某一問題的預(yù)測(cè)可采用不同的預(yù)測(cè)方法，而每種預(yù)測(cè)方法的適用條件不盡相同，所產(chǎn)生的預(yù)測(cè)結(jié)果不同，其預(yù)測(cè)精度往往也不同

18、。但是這些單項(xiàng)預(yù)測(cè)法在數(shù)據(jù)處理及不同準(zhǔn)則方面均有其獨(dú)到之處，能從不同的角度來推導(dǎo)和演繹，其預(yù)測(cè)結(jié)果都有一定的價(jià)值。一種更為科學(xué)的做法是，將不同的預(yù)測(cè)方法以某種方式進(jìn)行適當(dāng)?shù)慕M合，綜合利用各種預(yù)測(cè)所提供的信息，盡可能地提高預(yù)測(cè)精度，于是就形成了組合預(yù)測(cè)方法。組合預(yù)測(cè)法就是先利用兩種或兩種以上不同的單項(xiàng)預(yù)測(cè)法對(duì)同一預(yù)測(cè)對(duì)象進(jìn)行預(yù)測(cè)。 5其他的預(yù)測(cè)方法 主要有：專家評(píng)估法，市場(chǎng)調(diào)查法等傳統(tǒng)的定性方法，馬爾可夫鏈預(yù)測(cè)法，趨勢(shì)外推預(yù)測(cè)法干預(yù)分析模型預(yù)測(cè)法，景氣預(yù)測(cè)法等定量分析法。 6.人工神經(jīng)網(wǎng)絡(luò)方法 自上世紀(jì)初至今，人工智能多次成為研究的熱點(diǎn)問題，并取得很大的發(fā)展。特別是人工神經(jīng)網(wǎng)絡(luò)作為對(duì)人腦的一種簡(jiǎn)

19、單的抽象和模擬，是探索人類智能奧秘的有力工具，經(jīng)過長期的發(fā)展對(duì)神經(jīng)網(wǎng)絡(luò)的研究已經(jīng)取得了劃時(shí)代的進(jìn)步，將其應(yīng)用于各個(gè)領(lǐng)域。在金融領(lǐng)域，許多學(xué)者都開展了對(duì)神經(jīng)網(wǎng)絡(luò)的研究和應(yīng)用。這其中最早的研究是1988年White利用用神經(jīng)網(wǎng)絡(luò)來預(yù)測(cè)IBM普通股每日?qǐng)?bào)酬率，但是經(jīng)過訓(xùn)練樣本的學(xué)習(xí)后，其預(yù)測(cè)結(jié)果不甚理想。他認(rèn)為原因可能是神經(jīng)網(wǎng)絡(luò)陷入局部極小值而無法跳出，造成預(yù)測(cè)能力不強(qiáng)。后來在KimooAsakawa,Yoda and Takeoka等人的努力下，于1990年利用神經(jīng)網(wǎng)絡(luò)開發(fā)了一款Tokyo stock exchange Price index(TPOIX)預(yù)測(cè)系統(tǒng)，這款預(yù)測(cè)系統(tǒng)主要是對(duì)日本東京證券

20、交易所股價(jià)加權(quán)平均指數(shù)進(jìn)行的預(yù)測(cè)，以此來為投資者決定買進(jìn)賣出股票的最佳時(shí)機(jī)，最后得到的結(jié)果：人工神經(jīng)網(wǎng)絡(luò)模型所預(yù)測(cè)得到的報(bào)酬率優(yōu)于TOPIX加權(quán)平均指數(shù)的同等預(yù)測(cè)。1992年，Baba和Kozaki使用15個(gè)輸入變量、2個(gè)隱層及1個(gè)輸出變量的神經(jīng)網(wǎng)絡(luò)模型來預(yù)測(cè)日本股價(jià)的趨勢(shì)，訓(xùn)練樣本分成上漲及下跌兩種趨勢(shì)的學(xué)習(xí)，在趨勢(shì)決定后，預(yù)測(cè)股價(jià)漲跌方向的正確率相當(dāng)高，但是，若趨勢(shì)決定錯(cuò)誤時(shí)，神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)能力減弱，無法正確預(yù)測(cè)股價(jià)。其實(shí)他們的研究為后來學(xué)者提供了一種新的預(yù)測(cè)方向即是不預(yù)測(cè)具體股價(jià)的參數(shù)，而運(yùn)用神經(jīng)網(wǎng)絡(luò)的分類效果直接預(yù)測(cè)股價(jià)的漲跌趨勢(shì)，這也是很有實(shí)際意義的。1996年，Jovina Rom

21、an等人介紹了神經(jīng)網(wǎng)絡(luò)在投資，組合決策以及股票預(yù)測(cè)等金融相關(guān)領(lǐng)域中的應(yīng)用，Shaun-inn Wu等人綜合應(yīng)用了傳統(tǒng)的預(yù)測(cè)與人工智能預(yù)測(cè)方法，提高了相應(yīng)的預(yù)測(cè)性能。1999年，Pesaran和Timmermann對(duì)過去25年的英國倫敦證券指數(shù)進(jìn)行了預(yù)測(cè)，他們采用神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)證券指數(shù)的月變化率達(dá)到了60左右的正確率。2001年，Chung Kim Kwong利用澳大利亞股票市場(chǎng)中的7家具體上市公司股票交易的數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究，得到的平均預(yù)測(cè)精度為48.2%。 而與此同時(shí)國內(nèi)也有很多學(xué)者進(jìn)行了相關(guān)的研究。但不管預(yù)測(cè)結(jié)果如何，由于股票市場(chǎng)的多噪聲，不穩(wěn)定，非線性等特性，使得這些預(yù)測(cè)依然很難

22、得到普遍的理想效果?？蓮牧硗庖粋€(gè)方面來看，神經(jīng)網(wǎng)絡(luò)具有分布處理、自組織、自適應(yīng)(shyng)、自學(xué)習(xí)和容錯(cuò)性好等優(yōu)良特性，在處理股票預(yù)測(cè)這樣一個(gè)極其復(fù)雜的非線性動(dòng)力學(xué)系統(tǒng)是可行的、有效的。所以這其中的研究重點(diǎn)在于樣本選取與預(yù)處理、神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)選擇（包括：神經(jīng)元個(gè)數(shù)、隱層數(shù)、輸入輸出函數(shù)等）、網(wǎng)絡(luò)的自適應(yīng)能力等方面亟需改進(jìn)。1.3 論文(lnwn)的研究方法及其框架結(jié)構(gòu) 其實(shí)在實(shí)際股票市場(chǎng)的交易中有很多相關(guān)的指標(biāo)諸如股票的開盤價(jià)、最高價(jià)、最低價(jià)、中間價(jià)以及收盤價(jià)等，這些數(shù)據(jù)都從不同的角度(jiod)反映了當(dāng)前的股票市場(chǎng)的波動(dòng)情況。而一般的股票預(yù)測(cè)都是基于以下三點(diǎn)假設(shè)前提的：1.有效市場(chǎng)假設(shè)：

23、當(dāng)股票價(jià)格的波動(dòng)能夠充分地反映投資者所獲得的信息時(shí)，股票市場(chǎng)就是有效市場(chǎng)，也可以認(rèn)為是此時(shí)股票價(jià)格是真正的透明博弈的供求關(guān)系的結(jié)果。股票價(jià)格變化始終是受到一國國內(nèi)宏觀、微觀經(jīng)濟(jì)以及國際其他市場(chǎng)的影響，而各種價(jià)格的變動(dòng)反映出股票市場(chǎng)是有效市場(chǎng)；2.供求決定假設(shè)：指一切信息都會(huì)對(duì)股票市場(chǎng)的供求雙方相互博弈對(duì)比產(chǎn)生影響，供求關(guān)系決定了股票的交易量和交易價(jià)格；3.歷史相似原則：指由歷史資料所概括出來的規(guī)律（這些規(guī)律一般都認(rèn)為是隱藏在交易的價(jià)格和交易量等反映股票市場(chǎng)波動(dòng)的相關(guān)指標(biāo)中的）已經(jīng)包含了未來股票市場(chǎng)的一切變動(dòng)趨勢(shì)，忽略其他諸如一國國內(nèi)政局動(dòng)亂沖突或是發(fā)生重大未曾預(yù)料的自然災(zāi)害。本文其實(shí)所選用的神

24、經(jīng)網(wǎng)絡(luò)工具最重要的假設(shè)前提就是上面的第三條，即我們所得到的預(yù)測(cè)是基于黑箱的預(yù)測(cè)，股票的數(shù)據(jù)指標(biāo)已經(jīng)完全隱藏了未來市場(chǎng)波動(dòng)的一切因素，忽略其他外在不可控的因素的干擾。 二 股票預(yù)測(cè)的關(guān)鍵問題分析2.1 股票價(jià)格波動(dòng)的因素以及預(yù)測(cè)的基本假設(shè)2.1.1 股票價(jià)格波動(dòng)的因素 股票價(jià)格是指股票在發(fā)行和交易(jioy)時(shí)的價(jià)格，包括發(fā)行價(jià)格和市場(chǎng)價(jià)格。股票的發(fā)行價(jià)格是指股份公司在發(fā)行新股票時(shí)的價(jià)格。股票的發(fā)行價(jià)格一般是根據(jù)股票時(shí)價(jià)，股票行市的變化趨勢(shì)，股票籌集資本的難易程度和發(fā)行新股票時(shí)原有股東利益的影響等因素來決定的。影響股票價(jià)格的主要因素主要有以下幾個(gè)(j )方面：1.股票市場(chǎng)內(nèi)部(nib)因素：（1

25、）股票的供求關(guān)系。市場(chǎng)供求關(guān)系是影響股票價(jià)格的直接因素。當(dāng)市場(chǎng)供給大于需求時(shí)，股票價(jià)格上漲，當(dāng)市場(chǎng)供給小于需求時(shí)，股票下跌。（2）大戶的操縱。這主要是由于股票市場(chǎng)上,一些大戶利用各種不正當(dāng)?shù)氖侄蝸聿倏v市場(chǎng)上股票的價(jià)格,使股票價(jià)格變化劇烈。在完全競(jìng)爭(zhēng)有效的市場(chǎng)中是不存在這種壟斷力量的，但在實(shí)際的各個(gè)股票市場(chǎng)中都存在一定這種現(xiàn)象，特別是在我國的股市中，由于各個(gè)大型央企處于該行業(yè)的主導(dǎo)位置，很容易誘發(fā)高層腐敗所導(dǎo)致的操縱股市的行為。2.公司內(nèi)部因素：（1）公司的經(jīng)營狀況和盈利能力。這是影響股票價(jià)格最重要的基本因素。經(jīng)營狀況即指發(fā)行公司在經(jīng)營方面的概況包括經(jīng)營特征，如公司屬于商業(yè)企業(yè)還是工業(yè)企業(yè)，公司

26、在行業(yè)中的地位，產(chǎn)品性質(zhì)，內(nèi)銷還是外銷，技術(shù)密集型還是勞動(dòng)密集型，批量生產(chǎn)還是個(gè)別生產(chǎn)，產(chǎn)品的生命周期，在市場(chǎng)上有無替代產(chǎn)品，產(chǎn)品的競(jìng)爭(zhēng)力、銷售力和銷售網(wǎng)等。此外，公司的經(jīng)濟(jì)狀況還包括員工的構(gòu)成以及管理結(jié)構(gòu)、管理水平等。上述因素既可直接影響公司的財(cái)務(wù)狀況，亦可間接影響投資者的投資意向，進(jìn)而影響股價(jià)變化。當(dāng)公司的經(jīng)營狀況好，盈利能力強(qiáng),股票價(jià)格的基礎(chǔ)扎實(shí)，大家認(rèn)為此時(shí)的股票很穩(wěn)定，上漲的機(jī)會(huì)多，反之,公司的經(jīng)營狀況差，盈利能力弱，股票價(jià)格難以提高，下跌的機(jī)會(huì)大。（2）上市公司的財(cái)務(wù)狀況。發(fā)行公司的財(cái)務(wù)狀況亦是影響股價(jià)的重要原因之一。依照各國法規(guī)，凡能反映公司的財(cái)務(wù)狀況的重要指標(biāo)都必須公開，上市公

27、司的財(cái)務(wù)狀況還需定期向社會(huì)公開。3.宏觀經(jīng)濟(jì)因素：（1）經(jīng)濟(jì)周期。宏觀經(jīng)濟(jì)周期的循環(huán)、波動(dòng)與股價(jià)之間存在著緊密的聯(lián)系。一般情況下，股價(jià)總是伴隨著經(jīng)濟(jì)周期的變化而升降。在經(jīng)濟(jì)復(fù)蘇階段，投資逐步回升，資本周轉(zhuǎn)開始加速，利潤逐漸增加，股價(jià)呈上升趨勢(shì)。在繁榮階段，生產(chǎn)繼續(xù)增加，設(shè)備的擴(kuò)充、更新加速，技術(shù)引入或是創(chuàng)新加快，就業(yè)機(jī)會(huì)不斷增多，工資持續(xù)上升并引起消費(fèi)上漲；同時(shí)企業(yè)盈利不斷上升，投資活動(dòng)趨于活躍，股價(jià)進(jìn)入大幅度上升。在危機(jī)階段，由于有支付能力的需求減少，造成整個(gè)社會(huì)的生產(chǎn)過剩，企業(yè)經(jīng)營規(guī)模逐步縮小，產(chǎn)量下降，失業(yè)人數(shù)迅速增加，企業(yè)盈利能力急劇下降，股價(jià)隨之下跌；同時(shí)，由于危機(jī)到來，企業(yè)倒閉增加

28、，投資者紛紛拋售股票，股價(jià)亦急劇下跌。在蕭條階段，生產(chǎn)嚴(yán)重過剩并處于停滯狀態(tài)，商品價(jià)格低落且銷售困難，而在危機(jī)階段中殘存的資本流入股票市場(chǎng)，股價(jià)不再繼續(xù)下跌并漸趨于穩(wěn)定狀態(tài)。從這不難看出，股價(jià)不僅是伴隨著經(jīng)濟(jì)周期的循環(huán)波動(dòng)而起伏的，而且，其變動(dòng)往往在經(jīng)濟(jì)循環(huán)變化之前出現(xiàn)。兩者間相互依存的關(guān)系一般表現(xiàn)為：復(fù)蘇階段-股價(jià)回升；繁榮階段-股價(jià)上升；危機(jī)階段-股價(jià)下跌；蕭條階段-股價(jià)穩(wěn)定。（2）物價(jià)的變動(dòng)。商品的價(jià)格是貨幣購買力的表現(xiàn)(bioxin)，所以物價(jià)水平被視為通貨膨脹或通貨緊縮的重要指標(biāo)。一般而言，商品價(jià)格上升時(shí)，公司的產(chǎn)品能夠以較高的價(jià)格水平售出，盈利相應(yīng)增加，股價(jià)亦會(huì)上升。如物價(jià)上升時(shí)，

29、那些擁有較大庫存產(chǎn)品的企業(yè)的生產(chǎn)成本是按原來的物價(jià)計(jì)算的，因而，可導(dǎo)致直接的盈利上升；對(duì)于需大量依賴新購原材料的企業(yè)而言，則可能產(chǎn)生不利影響。此外，由于物價(jià)上漲，股票也有一定的保值作用，也由于物價(jià)上漲，貨幣供應(yīng)量增加，也會(huì)使社會(huì)游資進(jìn)入股票市場(chǎng)，增大需求，導(dǎo)致股價(jià)上升。需要說明的是，物價(jià)與股價(jià)的關(guān)系并非完全是正相關(guān)，即物價(jià)上漲股價(jià)亦上升。當(dāng)物價(jià)上漲到一定程度，由于經(jīng)濟(jì)過熱又會(huì)推動(dòng)利率上升，則股價(jià)亦可能下降；此外，如物價(jià)上漲所導(dǎo)致的上升成本無法通過銷售轉(zhuǎn)嫁出去；物價(jià)上漲的程度引起投資者對(duì)股票價(jià)值所用折現(xiàn)率的估計(jì)提高而造成股票價(jià)值降低；物價(jià)上漲的程度使股票的保值作用降低，投資者把資金從股市抽出，投

30、到其他保值物品方面時(shí)等等，股價(jià)亦會(huì)相應(yīng)下降。4.政策(zhngc)因素：（1）政治因素。政治因素指能對(duì)經(jīng)濟(jì)因素發(fā)生直接或間接影響的政治方面的原因，政治因素包括(boku)社會(huì)經(jīng)濟(jì)發(fā)展規(guī)劃,經(jīng)濟(jì)政策,政權(quán)的更替,政府的國民信賴,戰(zhàn)爭(zhēng),動(dòng)亂等,這些都會(huì)影響股票價(jià)格。（2）國家的經(jīng)濟(jì)政策。各國政府在財(cái)政政策、稅收政策、產(chǎn)業(yè)政策、貨幣政策、外貿(mào)政策等方面的變化，會(huì)影響股價(jià)變動(dòng)。就財(cái)政收支政策看，當(dāng)國家對(duì)某類企業(yè)實(shí)行稅收優(yōu)惠，那就意味著這些企業(yè)的盈利將相應(yīng)增加，而這些企業(yè)公司發(fā)行的股票亦會(huì)受到重視，其價(jià)格容易上升。從財(cái)政支出政策看，當(dāng)國家對(duì)某些行業(yè)或某類企業(yè)增加投入，就意味著這些行業(yè)、企業(yè)的生產(chǎn)將發(fā)展，

31、亦會(huì)同樣引起投資者的重視。此外，如產(chǎn)業(yè)政策的執(zhí)行，政府對(duì)產(chǎn)品和勞務(wù)的限價(jià)會(huì)導(dǎo)致相應(yīng)股票價(jià)格下跌；稅收制度的改變，如調(diào)高個(gè)人所得稅，則會(huì)影響社會(huì)消費(fèi)水平下降，引起商品滯銷，乃至于影響公司盈利及股價(jià)下跌，等等。(3)利率。一般來說,利率與股票價(jià)格成反比，但也有相關(guān)學(xué)者運(yùn)用不同國家的股票市場(chǎng)數(shù)據(jù)得到了相反的結(jié)論。當(dāng)利率上升時(shí)，會(huì)引起幾方面的變化，從而導(dǎo)致股價(jià)下降；一是公司借款成本增加，相應(yīng)使利潤減少；二是資金從股市流入銀行，需求減少；三是投資者評(píng)估價(jià)值所用的折現(xiàn)率上升，股票價(jià)值因此會(huì)下降。反之則股價(jià)會(huì)上升。（4）財(cái)政開支；一般來說股票價(jià)格與財(cái)政開支同方向變化。(5)稅收制度.一般來說,當(dāng)稅率和課稅種

32、類變更對(duì)公司和投資者有利時(shí),股價(jià)將上升,反之則下降.(6)信用政策.一般來說當(dāng)信用政策比較寬松時(shí),股票價(jià)格上升可能性較大,反之則較小。5.其他因素：（1）國際經(jīng)濟(jì)技術(shù)因素。主要是國際經(jīng)濟(jì)變化趨勢(shì),國際經(jīng)濟(jì)景氣度等因素,這些因素會(huì)影響股票的價(jià)格。 （2）心理預(yù)期因素。這主要是股票投資者在面對(duì)市場(chǎng)波動(dòng)時(shí)心理預(yù)期的變化對(duì)股票價(jià)格的影響。市場(chǎng)上的大部分投資者都主觀認(rèn)為只要上市公司盈利每年趨升，其相應(yīng)股價(jià)必然會(huì)一起上漲，但事實(shí)往往是并非如此的，不同的投資者對(duì)上市公司未來的盈利狀況估計(jì)的結(jié)果不一致，例如一家公司的盈利較往年有超過百分之三十的升幅，公司股價(jià)亦都有可能因?yàn)槭袌?chǎng)預(yù)期有百分之五十的盈利增長而下挫，

33、反之，倘若市場(chǎng)認(rèn)為公司虧損將會(huì)增加百分之十，但當(dāng)最終的結(jié)果是該公司虧損只拓闊百分之五（即每股盈利出現(xiàn)負(fù)數(shù)），公司股價(jià)亦可能會(huì)因?yàn)闃I(yè)績(jī)較市場(chǎng)預(yù)期好而上升。另外，只要市場(chǎng)憧憬公司前景形勢(shì)可觀，能夠于將來為股東賺取大額回報(bào)，就算目前公司每股盈利出現(xiàn)嚴(yán)重虧損，股價(jià)亦有可能因?yàn)檫@一次又一次的美好憧憬等待而大幅走高?？傊绊懝竟蓛r(jià)的因素并不單單停留于每股盈利的多少，反而較市場(chǎng)預(yù)期的多或少，方才是決定公司股價(jià)升跌的重要元素。除此之外，新股上市、股票分割、匯率變動(dòng)、國際收支以及個(gè)股的漲跌情況等因素對(duì)股價(jià)的波動(dòng)也是有不同程度的影響的，因此(ync)，分析影響股價(jià)變動(dòng)的因素有很多，市場(chǎng)的變化總是紛繁復(fù)雜的。2

34、.1.2 股市預(yù)測(cè)(yc)的基本假設(shè)1.市場(chǎng)行為涵蓋(hn i)一切信息在前面分析影響股票價(jià)格波動(dòng)的因素時(shí)，我們已經(jīng)知道股價(jià)未來變化的趨勢(shì)直接取決于供求關(guān)系雙方的相互博弈，不論是股票市場(chǎng)內(nèi)部，公司財(cái)務(wù)狀況，宏觀經(jīng)濟(jì)的周期波動(dòng)，還是政策影響或是心理預(yù)期變化等等導(dǎo)致的供大于求，股價(jià)下跌，而下跌的幅度大小則與供求的雙方差額相互關(guān)聯(lián)，但這些種種的復(fù)雜博弈都最終將集中反映在股票價(jià)格、成交量和時(shí)間序列之中。這些所有信息并不是每個(gè)投資者都可以直接得到，但所有的有需要的投資者都可以從股市的分析中得到有用的信息。2.股價(jià)變化有趨勢(shì)可遵循。股票價(jià)格的波動(dòng)是有一定規(guī)律的，即保持原來運(yùn)動(dòng)方向的慣性，而股票價(jià)格的漲跌方

35、向是由供求關(guān)系決定的。股票價(jià)格的漲跌反映了一定時(shí)期內(nèi)供求關(guān)系的博弈，供求關(guān)系一旦確定，股票價(jià)格的變化趨勢(shì)就會(huì)一直持續(xù)下去。只要市場(chǎng)上的供求關(guān)系不發(fā)生根本改變，股票價(jià)格的波動(dòng)趨勢(shì)就不會(huì)發(fā)生反轉(zhuǎn)。3.歷史會(huì)重演這條假設(shè)主要是基于心理學(xué)的命題。市場(chǎng)中進(jìn)行具體買賣的是人，是由人決定最終的操作行為。因此，這一行為必然要受到人類心理學(xué)中某些規(guī)律的制約。在真實(shí)的市場(chǎng)交易上，人們?cè)诿鎸?duì)相似的情境時(shí)，會(huì)根據(jù)以往的經(jīng)驗(yàn)和規(guī)律做出相類似的反映。而這些反映又會(huì)在新的應(yīng)用中失敗或是成功對(duì)比得到加強(qiáng)。因此，根據(jù)市場(chǎng)上的歷史資料概括出來的經(jīng)驗(yàn)和規(guī)律已經(jīng)包含了未來股票市場(chǎng)的一切變動(dòng)趨勢(shì)，所以可以根據(jù)歷史資料的數(shù)據(jù)來預(yù)測(cè)未來股

36、票的波動(dòng)趨勢(shì)。根據(jù)以上這三條假設(shè)，可以對(duì)股票市場(chǎng)的價(jià)格走勢(shì)做出合理的預(yù)測(cè)。2.2 股票預(yù)測(cè)的常用術(shù)語和技術(shù)指標(biāo)2.2.1常用的股票術(shù)語1收盤價(jià)：前一交易日或前一天收盤前最后一筆交易的成交價(jià)格，反映該段交易多空雙方交戰(zhàn)的結(jié)果。2開盤價(jià)：是一天交易開始時(shí)第一筆成交價(jià)，目前深滬實(shí)行集合競(jìng)價(jià)。如果開市后30分鐘內(nèi)無成交價(jià)，則以前日的收盤價(jià)作為開盤價(jià)。3最高價(jià)：是一天交易中最高價(jià)格的成交。4最低價(jià)：是一天交易中最低價(jià)格(jig)的成交。5買進(jìn)價(jià)：委托(witu)買入的價(jià)格。6賣出價(jià)：委托(witu)賣出的價(jià)格。7成交價(jià)：成交價(jià)有低于、等于買入價(jià)，高于、等于賣出價(jià)，在買入賣出之間五種。8成交量：全日成交的

37、總量（股數(shù)、金額）。9漲跌：以每天的收盤價(jià)和前一天或前一交易日收盤價(jià)相比較，來決定股票價(jià)格實(shí)際漲跌狀況。10委買手?jǐn)?shù)：現(xiàn)在所有委托買入下三檔之手?jǐn)?shù)相加之總和。11委賣手?jǐn)?shù)：現(xiàn)在所有委托賣出上三檔之手?jǐn)?shù)相加之總和。12委比：委托買入的手?jǐn)?shù)與委托賣出的手?jǐn)?shù)之比，委比正值大，買方比賣方強(qiáng)，反之，賣方比買方強(qiáng)。13外盤：成交價(jià)在賣出價(jià)為外盤。14內(nèi)盤：成交價(jià)在買入價(jià)為內(nèi)盤。內(nèi)盤+外盤=總手?jǐn)?shù) 15莊家：指參與股市操作的證券、保險(xiǎn)、金融等資金雄厚的機(jī)構(gòu)，它們構(gòu)成股市的主力，莊家的操作意圖對(duì)股市的趨勢(shì)起著決定性的作用，是散戶跟蹤的目標(biāo)。16市盈率：指某種股票每股市價(jià)與每股盈利的比率。市盈率=普通股每股市場(chǎng)

38、價(jià)格普通股每年每股盈利17市凈率：指股票市場(chǎng)價(jià)格與賬面價(jià)格的比值。市凈率=股票價(jià)格每股凈值18資產(chǎn)收益率：指企業(yè)凈利潤與平均資產(chǎn)總額的百分比。資產(chǎn)收益率=(凈利潤平均資產(chǎn)總額)*100%。19綜合指數(shù)：是大盤分析的代表變量，在我國國內(nèi)分為上證綜合指數(shù)和深證綜合指數(shù)。2.2.2常用的技術(shù)指標(biāo)1.指數(shù)平滑異同移動(dòng)平均線（MACD）指數(shù)平滑異同移動(dòng)平均線（MACD）是以快速移動(dòng)平均線（短期線）與慢速移動(dòng)平均線（長期線）相對(duì)距離的變化提示買賣時(shí)機(jī)的指標(biāo)。它首先以指數(shù)平滑計(jì)算法計(jì)算出快速移動(dòng)平均線和慢速移動(dòng)平均線，再以快速線數(shù)值減慢速線數(shù)值即得到快慢線相對(duì)距離的差離值，為使趨勢(shì)信號(hào)更明顯并且不受股價(jià)過分

39、波動(dòng)的影響，對(duì)差離值也進(jìn)行平滑計(jì)算，得到差離值的平均值，把差離值和差離平均值畫在以時(shí)間為橫軸，以 MACD 為縱軸的坐標(biāo)上，通過觀察差離值和差離平均值的方向、絕對(duì)位置和相對(duì)位置關(guān)系，把它們的同向、異向和交叉現(xiàn)象作為買賣信號(hào)的提示，為使買賣信號(hào)更直觀，還可以從差離值減差離平均值之差向時(shí)間軸引垂直線，得到 MACD 柱狀線。指數(shù)平滑異同移動(dòng)平均線是利用了快速移動(dòng)平均線和慢速移動(dòng)平均線，在一段上漲或下跌行情中兩線之間的差距拉大，而在漲勢(shì)或跌勢(shì)趨緩時(shí)兩線又相互接近或交叉的特征，通過雙重平滑運(yùn)算后，用以研究和判別買賣時(shí)機(jī)的方法。2.威廉指標(biāo)(zhbio)（WMS）威廉指標(biāo)(zhbio)最早起源于期貨市場(chǎng)

40、，由 Larry Williams 于 1973 年首創(chuàng)。該指標(biāo)通過分析一段時(shí)間內(nèi)股價(jià)高低價(jià)位和收盤價(jià)之間的關(guān)系，來量度股市的超買超賣狀態(tài)，依此作為短期投資信號(hào)的一種技術(shù)指標(biāo)。目前它已經(jīng)成為中國股市中被廣泛使用的指標(biāo)之一。WMS 的操作法則從兩方面考慮(kol)：一是 WMS 的數(shù)值，二是 WMS 曲線的形狀。第一，從 WMS 的取值方面考慮：當(dāng) WMS 高于 80 時(shí)，處于超賣狀態(tài)，行情即將見底，應(yīng)當(dāng)考慮買進(jìn)；當(dāng) WMS 低于 20 時(shí)，處于超買狀態(tài)，行情即將見頂，應(yīng)當(dāng)考慮賣出。這里 80 和 20 只是一個(gè)經(jīng)驗(yàn)數(shù)字，并不是絕對(duì)的。同時(shí)，WMS 在使用過程中應(yīng)該注意與其他技術(shù)指標(biāo)相配合。在盤

41、整過程中，WMS 的準(zhǔn)確性較高；而在上升或下降趨勢(shì)當(dāng)中，卻不能只以 WMS 超買超賣信號(hào)作為行情判斷的依據(jù)。第二，從 WMS 的曲線形狀考慮。在 WMS 進(jìn)入低數(shù)值區(qū)位后(此時(shí)為超買)，一般要回頭。如果這時(shí)股價(jià)還繼續(xù)上升，就會(huì)產(chǎn)生背離，是賣出的信號(hào)。在 WMS進(jìn)人高數(shù)值區(qū)位后(此時(shí)為超賣)，一般要反彈。如果這時(shí)股價(jià)還繼續(xù)下降，就會(huì)產(chǎn)生背離，是買進(jìn)的信號(hào)。WMS 連續(xù)幾次撞頂(底)，局部形成雙重或多重頂(底)，則是賣出(買進(jìn))的信號(hào)。這里需要說明的是，WMS 的頂部數(shù)值為 0，底部數(shù)值為 100。3.隨機(jī)指數(shù)（KD）隨機(jī)指標(biāo) KD 是分析師喬治蘭德首先提出的技術(shù)分析理論。在股票、期貨等證券市場(chǎng)中

42、有很好的實(shí)戰(zhàn)效果。從實(shí)踐看，KD 指標(biāo)的核心原理是平衡的觀點(diǎn)，即股價(jià)的任何動(dòng)蕩都將向平衡位置回歸。KD 指標(biāo)把一定周期內(nèi)最高股價(jià)和最低股價(jià)的中心點(diǎn)作為平衡位置，高于此位置過遠(yuǎn)將向下回歸，低于此位置過遠(yuǎn)將向上回歸。在分析中設(shè)置快速線 K 和慢速線 D 共同研判，另外還有考察 K、D 位置關(guān)系的 J 線。4.相對(duì)強(qiáng)弱指數(shù)（RSI）RSI 指標(biāo)(Relative Strength lndex)是與 KD 指標(biāo)齊名的常用技術(shù)指標(biāo)。RSI 以一特定時(shí)期內(nèi)股價(jià)的變動(dòng)情況推測(cè)價(jià)格未來的變動(dòng)方向，并根據(jù)股價(jià)漲跌幅度顯示市場(chǎng)的強(qiáng)弱。相對(duì)強(qiáng)弱指標(biāo) RSI 是分析師(Wells. Wilder, Jr )于七十年代

43、首先提出的技術(shù)分析理論。RSI 是Relative Strength Index 的縮寫。盡管其歷史不長，但由于該指標(biāo)客觀實(shí)用的特點(diǎn)，目前已為廣大投資者接受，從而成為廣泛使用的普及性指標(biāo)之一。技術(shù)分析原理之一是市場(chǎng)變化包含一切。相對(duì)強(qiáng)弱指標(biāo)正是從這一點(diǎn)出發(fā)，從市場(chǎng)價(jià)格變化觀察買賣雙方的力量變化，其中以價(jià)格上漲幅度代表買方力量，以價(jià)格下跌幅度代表賣方力量，以漲跌幅度的對(duì)比代表買賣雙方力量的對(duì)比，通過對(duì)比預(yù)測(cè)未來股價(jià)的運(yùn)行方向，這種對(duì)比的比值就是 RSI 數(shù)值。5.乖離(ui l)率（BIAS）乖離率是表示當(dāng)前股價(jià)偏離移動(dòng)平均線程度的指標(biāo)。當(dāng)日收盤價(jià)減移動(dòng)平均線之差與移動(dòng)平均線的比值(bzh)，即

44、乖離率。在股市上，主要用乖離率來決定投資者的買賣行為。6. 心理線指標(biāo)(zhbio)（PSY）PSY(Psychological Line)是從投資者的買賣趨向心理方面，將一定時(shí)期內(nèi)投資者看多或看空的心理事實(shí)轉(zhuǎn)化為數(shù)值，來研究和判斷股價(jià)未來走勢(shì)的技術(shù)指標(biāo)。7.交易量指標(biāo)（OBV）OBV 的英文全稱是 On Balance Volume，即“平衡交易量”，人們更多地稱其為能量潮，它是 Granville 在 20 世紀(jì) 60 年代提出來的。該指標(biāo)的理論基礎(chǔ)是市場(chǎng)價(jià)格的有效變動(dòng)必須有成交量配合，量是價(jià)的先行指標(biāo)。利用 OBV 可以驗(yàn)證當(dāng)前股價(jià)走勢(shì)的可靠性，并可以得到趨勢(shì)可能反轉(zhuǎn)的信號(hào)。比起單獨(dú)使用

45、成交量來，OBV 看得更清楚。8.騰落指數(shù)（ADL）ADL(AdvanceDecline Line，騰落指數(shù))，中文名稱為騰落指數(shù)，即上升下降曲線的意思。ADL 是以股票每天上漲或下跌的家數(shù)作為觀察的對(duì)象，通過簡(jiǎn)單算術(shù)加減來比較每日上漲股票和下跌股票家數(shù)的累積情況，形成升跌曲線，并與綜合指數(shù)相互對(duì)比，對(duì)大勢(shì)的未來進(jìn)行預(yù)測(cè)。9.漲跌比率（ADR）ADR(AdvanceDecline Ratio)，中文名稱為漲跌比指標(biāo)，即上升下降比。ADR 是根據(jù)股票的上漲家數(shù)和下跌家數(shù)的比值，推斷證券市場(chǎng)多空雙方力量的對(duì)比，進(jìn)而判斷出證券市場(chǎng)的實(shí)際情況。10.超買超賣指標(biāo)（OBOS）OBOS(Over Boug

46、ht OverSold，)中文名稱是超買超賣指標(biāo)，也是運(yùn)用上漲和下跌的股票家數(shù)的差距對(duì)大勢(shì)進(jìn)行分析的技術(shù)指標(biāo)。與 ADR 相比，其涵義更直觀，計(jì)算更簡(jiǎn)便。OBOS 是用一段時(shí)間內(nèi)上漲和下跌股票家數(shù)的差距來反映當(dāng)前股市多空雙方力量的對(duì)比和強(qiáng)弱。11.人氣買賣指標(biāo)(AR)股市中買賣雙方的氣勢(shì)主要反映在每日股指最高點(diǎn)、最低點(diǎn)及開市點(diǎn)三者之間的關(guān)系上。人氣買賣指標(biāo)(AR)指標(biāo)是利用一定周期內(nèi)三者的差異及比值反映出股市強(qiáng)弱、買賣氣勢(shì)的指標(biāo)。12.買賣意愿指標(biāo)(BR)BR指標(biāo)反映的是昨日股指收盤價(jià)與今日最高股指和最低股指之間的強(qiáng)弱走勢(shì)，從而反映股指意愿。2.3股票數(shù)據(jù)(shj)的特點(diǎn)在前面我們已經(jīng)分析過，

47、股票市場(chǎng)預(yù)測(cè)(yc)的常用變量和指標(biāo)，而這些數(shù)據(jù)信息的本質(zhì)反映的是股票市場(chǎng)上多方復(fù)雜博弈的體現(xiàn)，這就直接導(dǎo)致了股票市場(chǎng)上的數(shù)據(jù)本身具有一些特殊的性質(zhì)。這些特殊的性質(zhì)才導(dǎo)致股票價(jià)格預(yù)測(cè)的難度，可這也正是學(xué)者們研究的動(dòng)力。1.股票市場(chǎng)上的數(shù)據(jù)(shj)含有較多噪聲。 雖然在前面我們對(duì)股市預(yù)測(cè)的基本假設(shè)中已經(jīng)表明，股票市場(chǎng)上歷史總是會(huì)重演，因此我們可以用過去已有的數(shù)據(jù)黑箱預(yù)測(cè)未來股價(jià)波動(dòng)，但實(shí)際上股票市場(chǎng)上經(jīng)常會(huì)有一些突發(fā)事件，它們并不會(huì)使股票價(jià)格的結(jié)構(gòu)(趨勢(shì)、周期等)發(fā)生質(zhì)的改變，僅僅會(huì)使股市數(shù)據(jù)發(fā)生暫時(shí)的偏離，但很快又會(huì)恢復(fù)到原來的趨勢(shì)及周期上去。例如：一國突發(fā)性的產(chǎn)生大規(guī)模的食品安全問題、發(fā)生

48、強(qiáng)烈地震等自然災(zāi)害、機(jī)構(gòu)大戶的黑幕操作、局部武裝沖突等等。為了消除這些突然出現(xiàn)的噪聲奇異點(diǎn)，在線性的條件下，一般可以通過設(shè)計(jì)各種濾波器將噪音濾除，但在非線性條件下卻不能輕易處理，因?yàn)樗鼈兛赡茴A(yù)示著股市基本結(jié)構(gòu)將要發(fā)生變化的趨勢(shì)，故而股票數(shù)據(jù)的這種特性要求處理股市數(shù)據(jù)的預(yù)測(cè)系統(tǒng)具有良好的魯棒性。2.股市上的數(shù)據(jù)具有非線性特性。股票價(jià)格自身以及影響其波動(dòng)的因素多種多樣，這些變量之間往往呈現(xiàn)出非線性特性，并且這些非線性之間的數(shù)據(jù)關(guān)系一般都很復(fù)雜多元化，因此要求股市預(yù)測(cè)模型應(yīng)具有強(qiáng)大的處理非線性問題的能力。雖然已經(jīng)發(fā)展起來的非線性數(shù)學(xué)、耗散結(jié)構(gòu)理論等為描述非線性動(dòng)力學(xué)系統(tǒng)提供了一些可用的工具，但實(shí)際應(yīng)

49、用于股票市場(chǎng)上實(shí)證分析仍有不少亟需解決的問題。3.股市數(shù)據(jù)往往反映了投資者的主觀性。股票市場(chǎng)無論怎么復(fù)雜多方博弈，其實(shí)際操作者都是投資者這些人的因素，而這些不同的投資者投資行為各有不同。不同的投資者所思考的投資方式不同，達(dá)到的目的不同，所獲得的股市已有的信息也不同，所關(guān)心的具體個(gè)股或是大盤走勢(shì)側(cè)重點(diǎn)不同，這都導(dǎo)致了股票交易具有極大的主觀性。投資者的主觀性，使得股票預(yù)測(cè)誤差相當(dāng)大，并且隨著時(shí)間的累加誤差逐漸放大。與其他物理動(dòng)力學(xué)系統(tǒng)不同，在股市預(yù)測(cè)系統(tǒng)中，對(duì)過去的樣本數(shù)據(jù)的最好匹配并不能保證是最好的未來預(yù)測(cè)，即建模數(shù)據(jù)的最小誤差準(zhǔn)則并不是提高預(yù)測(cè)精度的最好準(zhǔn)則，一種預(yù)測(cè)方法過去和現(xiàn)在的表現(xiàn)不能說

50、明其未來的預(yù)測(cè)結(jié)果。4.我國的股市波動(dòng)具有很強(qiáng)的政策性導(dǎo)向。由于我國股市建立時(shí)間短，投資者的投資心態(tài)還不十分成熟，市場(chǎng)經(jīng)濟(jì)體制還不完備，股市上還存在很多國有巨頭操盤，并帶有很多計(jì)劃經(jīng)濟(jì)體制的特征，因此我國股市對(duì)于國家的政策性導(dǎo)向非常敏感。故而我國上證和深證中經(jīng)常出現(xiàn)所謂的暴漲暴跌，因此很難用一個(gè)穩(wěn)定的模型來對(duì)這種股市的變動(dòng)做出準(zhǔn)確的預(yù)測(cè)。三 神經(jīng)網(wǎng)絡(luò)的基本原理介紹3.1人工神經(jīng)網(wǎng)絡(luò)的定義和發(fā)展(fzhn)過程人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks，ANN)，是人工智能的一種核心方法，是人類(rnli)中樞（大腦）神經(jīng)系統(tǒng)的簡(jiǎn)化模型，是由大量簡(jiǎn)單的并行分布的計(jì)算單元（

51、神經(jīng)元，neurons）互相連接而成的自適應(yīng)非線性系統(tǒng)。 神經(jīng)網(wǎng)絡(luò)作為一種對(duì)人腦的最簡(jiǎn)單的抽象和模擬，是探索人類智能奧秘的有力工具(gngj)，近年來它已經(jīng)發(fā)展成為一門設(shè)計(jì)生物、電子、計(jì)算機(jī)、數(shù)學(xué)、物理等多學(xué)科相互交叉的前沿性課題，其具有廣泛的應(yīng)用前景。 神經(jīng)網(wǎng)絡(luò)的研究始于20世紀(jì)40年代。半個(gè)多世紀(jì)以來，它經(jīng)歷了一條由興起到衰退、又由衰退到興盛的曲折的發(fā)展過程，這一過程大致可分為以下的四個(gè)階段。1.初始發(fā)展階段：1940s初，導(dǎo)致了人工智能的研究。早在1943年，心理學(xué)家W.S.McCulloch和數(shù)學(xué)家W.Pitts在研究生物神經(jīng)元的基礎(chǔ)上合作提出的“興奮”與“抑制”兩種狀態(tài)的神經(jīng)元模型和

52、Hebb提出的神經(jīng)元連接強(qiáng)度的學(xué)習(xí)規(guī)則，開始了神經(jīng)科學(xué)理論的研究。1957年，F(xiàn).Rosenblatt提出了著名的感知器（Perceptron）模型，這是第一個(gè)真正的人工神經(jīng)網(wǎng)絡(luò)。1962年，B.Widrow和M.E.Hoff提出了的自適應(yīng)線性單元（Adaline）網(wǎng)絡(luò)，其具有自適應(yīng)學(xué)習(xí)功能，在信號(hào)處理、模式識(shí)別等方面受到普遍重視和應(yīng)用。2.低潮時(shí)期：1960s末，這個(gè)時(shí)期對(duì)神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展不大。20世紀(jì)60年代到70年代，神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論的發(fā)展處于一個(gè)低潮時(shí)期，造成這種情況的原因是發(fā)展過程中遇到了本質(zhì)的困難，即電子線路交叉極限的困難。在當(dāng)時(shí)計(jì)算機(jī)技術(shù)還不夠發(fā)達(dá)的狀況之下，神經(jīng)網(wǎng)絡(luò)的應(yīng)用沒有

53、展開，而人工智能和專家系統(tǒng)還處于發(fā)展的高潮期，因此很多學(xué)者放棄了對(duì)神經(jīng)網(wǎng)絡(luò)的研究。3.重新興起時(shí)期：1980s 中，這個(gè)階段導(dǎo)致的對(duì)神經(jīng)網(wǎng)絡(luò)的研究熱潮，致使幾乎將其應(yīng)用于所有工程領(lǐng)域。 1982年和1984年，John.J.Hopfield博士先后在美國國家科學(xué)院的刊物上發(fā)表了其著名的Hopfield模型理論，這是一個(gè)非線性動(dòng)力系統(tǒng)的理論模型，它引起了各國學(xué)者的關(guān)注，并力圖將這一數(shù)學(xué)模型進(jìn)行電子學(xué)或光學(xué)的硬件實(shí)現(xiàn)。這就形成了人工神經(jīng)網(wǎng)絡(luò)的隊(duì)伍。1986年D.E.Rumelhart等提出了PDP(Parallel Distributed Processing)網(wǎng)絡(luò)思想。其中的誤差反饋傳播算法，即

54、BP算法，已成為至今影響最大、最為廣泛的一種網(wǎng)絡(luò)學(xué)習(xí)算法。4.發(fā)展高潮期：2000以后。 20世紀(jì)90年代以來神經(jīng)網(wǎng)絡(luò)理論變得更加外向，注視著自身與科學(xué)技術(shù)之間的相互作用，不斷產(chǎn)生了具有重要意義的概念和方法，并形成了良好的工具。21世紀(jì)初，在這十幾年學(xué)者們的努力下，神經(jīng)網(wǎng)絡(luò)理論的主要前沿領(lǐng)域包括：對(duì)智能和機(jī)器關(guān)系問題的認(rèn)識(shí)進(jìn)一步增長；神經(jīng)計(jì)算和進(jìn)化計(jì)算取得重大進(jìn)展；神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和神經(jīng)元芯片作用不斷擴(kuò)大。3.2 神經(jīng)網(wǎng)絡(luò)基本原理3.2.1神經(jīng)元模型(mxng)生物神經(jīng)元是一個(gè)小細(xì)胞，具有如下(rxi)功能：1.接收來自(li z)感官或其它細(xì)胞的輸入（輸入功能）；2.產(chǎn)生電輸出響應(yīng)，并傳給其它神

55、經(jīng)元（輸出功能）。而人腦包含：個(gè)神經(jīng)元，這其中：生物神經(jīng)元主要有三個(gè)組成部分：細(xì)胞體、軸突、樹突。（如下圖所示）突觸(連接強(qiáng)度)樹突：Input(接收信息)細(xì)胞體軸突：Output(傳輸信息) 圖1生物神經(jīng)元簡(jiǎn)圖說明：樹突（接收信息）：接收來自其它神經(jīng)元的電信號(hào)，并傳給細(xì)胞體。細(xì)胞體（信息處理器）對(duì)輸入信號(hào)： （數(shù)學(xué)描述）軸突（傳輸信息）：把細(xì)胞體的輸出信號(hào)傳給其它神經(jīng)元。突觸（儲(chǔ)存信息）：軸突和樹突的結(jié)合點(diǎn)（兩神經(jīng)元之間）。例如，新記憶的形成是通過改變突觸的強(qiáng)度（液狀體）來實(shí)現(xiàn)。人工神經(jīng)元人工神經(jīng)元是生物神經(jīng)元的簡(jiǎn)單的模仿、簡(jiǎn)化和抽象，是一個(gè)極其簡(jiǎn)單的計(jì)算單元（函數(shù)）。 1943年，在神經(jīng)網(wǎng)

56、絡(luò)研究的早期，由McCulloch(神經(jīng)解剖學(xué)家)和Pitts(數(shù)學(xué)家)提出的MP模型是一種簡(jiǎn)單的人工神經(jīng)元模型。在該模型中，神經(jīng)元的活動(dòng)表現(xiàn)為“興奮”和“抑制”兩種狀態(tài)，其基本工作原理與如下的閾值單元模型基本相同。 圖2 人工(rngng)神經(jīng)元模型上述(shngsh)人工神經(jīng)元實(shí)現(xiàn)了的極其簡(jiǎn)單的非線性函數(shù)映射(yngsh)處理，即：，其中：輸入（來自其它神經(jīng)元的信號(hào)）；輸出(軸突上的電信號(hào))；權(quán)值(突觸的強(qiáng)度)；閾值、門限；激活函數(shù)、傳輸函數(shù)。3.2.2神經(jīng)網(wǎng)絡(luò)三要素：激活函數(shù)、網(wǎng)絡(luò)結(jié)構(gòu)、學(xué)習(xí)規(guī)則。1. 激活函數(shù)：它用于對(duì)求和單元的計(jì)算結(jié)果進(jìn)行函數(shù)運(yùn)算得到神經(jīng)元的輸出。下面是幾種典型的神經(jīng)

57、元的激活函數(shù)。(1) 線性激活函數(shù)： （用于線性自適應(yīng)網(wǎng)絡(luò)）(2) 硬限幅激活函數(shù)： （用于感知器網(wǎng)絡(luò)）(3) 對(duì)數(shù)(S形)激活函數(shù)：， 性質(zhì)：2. 網(wǎng)絡(luò)結(jié)構(gòu)：在此只介紹最重要的單隱層的前向網(wǎng)絡(luò)結(jié)構(gòu)。(a) 網(wǎng)絡(luò)結(jié)構(gòu) 圖3 單隱層的前向網(wǎng)絡(luò)(wnglu)其中(qzhng)第一層的輸出表示為：，最終(zu zhn)輸出為：（的非線性映射）=, （其中：第k層第i個(gè)神經(jīng)元、第j個(gè)輸入的權(quán)值;第k層第i個(gè)神經(jīng)元的閾值。）(b) 逼近能力介紹現(xiàn)已證明：如上的單隱層(兩層)前向網(wǎng)絡(luò)（但選取第一層為對(duì)數(shù)S形激活函數(shù)，蘇楚成取線性激活函數(shù)）可任意精度的逼近中的任意函數(shù)。（此證明較難，在此略去）3. 學(xué)習(xí)規(guī)則

58、（訓(xùn)練規(guī)則）：為了使網(wǎng)絡(luò)完成給定的任務(wù)，利用訓(xùn)練樣本修正網(wǎng)絡(luò)權(quán)值和閾值的方法和過程。對(duì)于不同的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和算法實(shí)現(xiàn)所選擇的學(xué)習(xí)規(guī)則都各有不同。3.2.3學(xué)習(xí)的兩種基本類型：有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。1.有監(jiān)督學(xué)習(xí)，其訓(xùn)練樣本具有如下形式：，, , .其中 網(wǎng)絡(luò)的輸入； 網(wǎng)絡(luò)的目標(biāo)輸出。利用訓(xùn)練樣本，調(diào)節(jié)網(wǎng)絡(luò)的參數(shù)，使網(wǎng)絡(luò)對(duì)應(yīng)的輸出逼近2.無監(jiān)督學(xué)習(xí)，其訓(xùn)練樣本為：；利用訓(xùn)練樣本，調(diào)節(jié)網(wǎng)絡(luò)的參數(shù)，以表示輸入的某種固有特征(如聚類、某種統(tǒng)計(jì)上的分布特征)。3.3 BP神經(jīng)網(wǎng)絡(luò)介紹由于BP神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于函數(shù)逼近、模式識(shí)別分類、數(shù)據(jù)壓縮等領(lǐng)域,它也是前饋網(wǎng)絡(luò)的核心內(nèi)容,是人工神經(jīng)網(wǎng)絡(luò)最精的部分。

59、因此，在此我們只詳細(xì)的探討B(tài)P網(wǎng)絡(luò)的結(jié)構(gòu)和相關(guān)算法。3.3.1 BP神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu) 單隱層前向網(wǎng)絡(luò) 一般層 (第層結(jié)構(gòu) ()其中(qzhng)，激活函數(shù)：Sigmoid激活(j hu)函數(shù):；對(duì)稱(duchn)的Sigmoid激活函數(shù):；線性激活函數(shù): (輸出層，函數(shù)逼近)如果多層前向網(wǎng)絡(luò)的輸出層采用Sigmoid激活函數(shù),其輸出值將會(huì)限制在范圍 (0,l) 內(nèi)（通常用于分類問題）；如果多層前向網(wǎng)絡(luò)的輸出層采用對(duì)稱的Sigmoid激活函數(shù),其輸出值將會(huì)限制在范圍 (-1,l) 內(nèi)（通常用于分類問題）；如果多層前向網(wǎng)絡(luò)的輸出層采用線性激活函數(shù)則可以取任意值（通常用于函數(shù)逼近問題）。 下面給出

60、網(wǎng)絡(luò)第層更精確的結(jié)構(gòu)。第層輸出為，稱為第層第個(gè)神經(jīng)元的凈輸入(shr)。3.3.2 反向(fn xin)傳播算法 (Backpropagation Algorithm)即 BP算法在確定了網(wǎng)絡(luò)的結(jié)構(gòu)后,要通過(tnggu)訓(xùn)練樣本集對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,即對(duì)網(wǎng)絡(luò)的閾值和權(quán)值進(jìn)行學(xué)習(xí)和修正,以使網(wǎng)絡(luò)實(shí)現(xiàn)給定的輸入/輸出映射關(guān)系。下面給出學(xué)習(xí)網(wǎng)絡(luò)的閾值和權(quán)值的BP算法。1. 隨機(jī)梯度法 (極小化均方誤差)設(shè)，. 記，其中，目標(biāo): 求解梯度法： 由于無法計(jì)算，因此采樣下面的隨機(jī)梯度法。隨機(jī)梯度法 , 2. BP算法推導(dǎo)目標(biāo)(mbio): 給出計(jì)算(j sun)，的快速(kui s)算法。為了給出計(jì)算，的遞