神经网络在股票价格预测中的应用——基于三种网络的比较分析

股票价格受到社会经济等多方面因素的影响,价格变化大,具有非线性和不稳定的特征,采用传统的线性模型难以准确的预测。本文采用BP、RBF神经网络,以及GABP神经网络进行股票价格预测,比较分析了三种方法的预测精度。实证结果表明,神经网络能够较好地对股票价格进行预测,其中GABP网络比传统的BP和RBF网络有更好的全局收敛性及更高的预测精度。     

基于遗传算法的BP神经网络在权证定价中的应用

对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一.传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具有明显的优势.本文基于遗传算法改进的BP神经网络模型(GABP),利用我国8只权证的1050天数据、标的股票1900天的数据和其他所需数据作为训练数据训练网络.研究结果表明,神经网络在权证的定价中效果要优于B-S模型;而RBF模型精度大于BP模型的预测,GABP模型的精度大于RBF模型的预测.     

BP神经网络在股市预测模型中的应用——以上证股票价格收盘指数为例

本文介绍了股市的特点以及股市预测的困难性,提出了利用BP神经网络的方法来解决股市预测问题。首先文章介绍了人工神经网络模型以及应用最普遍的BP神经网络,然后以上海证券交易所每日股票价格收盘指数为分析对象,对网络进行训练后,利用BP神经网络对股票价格收盘指数进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度非常高。     

基于灰色系统和神经网络的创业板股票价格预测研究

股票价格预测是投资领域的一个重点关注课题。由于股票价格受到诸多非线性因 素的影响,得到精确的预测结果较为困难。为了消除股票指标的多重共线性,采用Adaptive- Lasso算法对指标变量进行筛选,实现了数据降维。之后,利用灰色预测对股票价格影响指标 进行预测,并在此基础上利用神经网络模型对股票收盘价进行预测。结果表明,利用灰色系统 和BP神经网络结合的模型所得预测结果平均相对误差为0.095,且运行效率较高,对股票预测 具有一定的积极意义。     

基于BP神经网络的股价趋势分析

对BP神经网络的算法和结构进行了介绍,并基于MATLAB的BP网络的工具箱.对浦发银行近一年交易日的数据进行了训练和测试,获得了一定的预测精度.最后还对波动期股价预测的难易.股价涨幅预测的难度以及输入变量对BP网络预测股价能力的影响等进行了讨论.基于实验结果,得出了基于BP神经网络的数学模型能一定程度上实现对股价趋势判断的结论.     

人工神经网络在股价预测中的应用

股票市场是一个强非线性的系统,影响股价变化的因素有很多,而人工神经网络模型对于非线性系统的预测有着良好的效果,文章总结了BP网络和RBF网络在股价预测中的应用,给出了各自的优缺点分析。     

人工神经网络在股价预测中的应用

股票市场是一个强非线性的系统,影响股价变化的因素有很多,而人工神经网络模型对于非线性系统的预测有着良好的效果,文章总结了BP网络和RBF网络在股价预测中的应用,给出了各自的优缺点分析。     

基于改进的杜邦体系和BP神经网络的财务危机预警模型探讨

在传统的基于神经网络的财务危机预警模型基础上,本文以最近几年我国沪深两市A股上市公司作为研究对象,采用BP神经网络方法构建了整合改进的杜邦分析体系指标的财务危机预警模型,并作实证研究。实证结果表明：整合调整后的财务指标的BP神经网络模型较传统指标的BP神经网络预警模型具有更高的预测精度。     

基于神经网络技术的股指预测模型及实证分析

通过建立BP神经网络预测模型和GARCH-BP神经网络预测模型,对2001年深圳成分指数的日收盘价进行预测分析发现,GARCH-BP模型较BP模型的收敛速度快,学习能力强,预测精度较高,误差率较小.     

基于神经网络模型的商业银行信贷风险研究

通过VAR模型选择GDP增长率、通货膨胀率、广义货币发行量增长率等变量的一阶滞后项与二阶滞后项作为输入变量,分别建立BP神经网络与GRNN模型对商业银行不良贷款率进行拟合与预测验证,并对两种神经网络模型的拟合效果与验证结果进行比较.研究表明,GRNN神经网络的拟合精度较高但预测精度较低,而BP神经网络拟合精度较低但预测精度较高.此外,随着验证期限的延长,两种模型的预测精度均下降.BP神经网络预测2015年第四季度不良率仍将小幅上升.     

基于Lasso和BP神经网络的组合预测及其应用——以居民消费支出预测为例

在变量选择的基础上,构建基于 Lasso 方法和 BP 神经网络的预测模型,并对我国城乡居民的消费支出进行预测,结果显示：基于 Lasso 方法和 BP 神经网络的组合预测精度要明显高于 BP 神经网络、Lasso方法的预测精度;在2014~2020年,我国农村居民消费增长率有所提升,城镇居民消费增长率减缓,城乡居民消费增长率之间的差距呈下降趋势,但短期内城乡居民消费差距依然难以缓和。     

模糊神经网络在股票价格预测中的应用

本文介绍模糊神经网络对股票价格的预测。本文首先分析了神经网络和模糊逻辑相结合的可能性,然后介绍了模糊神经网络的预测模型设计以及网络参数的设定。最后用实证分析证实了模型预测是可行的。     

汇率弹性化下人民币汇率波动预测分析

本文选取影响人民币汇率波动的有关结构变量,分别通过线性MA模型和基于遗传算法改进的GABP神经网络模型,对人民币汇率波动进行模拟和预测。通过比较发现,汇率缺乏弹性时期,逐月MA模型的历史拟合和样本外预测效果最优;随着汇率改革的不断推进和汇率弹性化的增强,GABP神经网络模型在汇率波动的模拟和预测方面均有最优表现,故汇率波动预测模型应随汇率弹性及其波动特性不同因时制宜。同时结果表明,汇率弹性化能够加深汇率波动及其结构变量间的均衡关系,利率市场化改革应与汇率市场化改革协调推进。     

基于BP神经网络与支持向量机的股票指数预测模型比较

本文在阐述创新型预测模型理论的基础上,分别利用基于BP神经网络和支持向量机的股票指数预测模型,在小样本的情况下对沪深300指数进行了研究和短期预测.研究结果表明,基于支持向量机的预测模型在预测精度、收敛时间、最优性等方面均优于基于BP神经网络的预测模型.     

商业银行个人客户洗钱静态风险分类方法研究

构建基于RBF神经网络、聚类算法和决策树模型预测结果的集成风险分类模型。实证研究表明该模型预测精度有所提高,性能表现也更加稳健,对于运用于实际洗钱识别工作具有一定的应用价值。     

个人信用让人工神经网络以BP算法评估

建立以个人信用评估为核心的个人信用制度是一项复杂的系统工程。本将BP神经网络应用于个人信用评估，详细描述了用于个人信用评估的三层BP神经网络结构，给出了神经网络输入指标的量化处理方法。实证结果表明，BP神经网络模型具有很高的预测精度。     

BP神经网络在期货价格预测中的应用

BP网络通过对以往历史数据的学习，找出期货市场发展的内在规律，并将其存储在网络具体的权值、阀值中，用以预测未来的走势。文章在深入分析期货市场预测面临的关键问题的基础上，探讨利用BP（Back Propagation）神经网络对期货价格走势进行分析和预测的可行性。     

个人信用评估组合模型的构建——基于决策树—神经网络的研究

本文以德国某商业银行的真实客户信用数据为样本,将决策树方法应用于个人信用指标的筛选过程中,并与BP神经网络模型相结合构建成一个两阶段组合模型。研究表明,基于决策树—神经网络构建的个人信用评估组合模型对于测试样本的分类预测精度高于单一BP神经网络模型的分类预测精度。组合模型对于测试样本的总正确率平均值为75.45%,高出单一BP神经网络模型的总正确率近3个百分点。基于信息熵增益率分类原理的最优决策树挑选指标方法能合理去除非重要属性指标的干扰,使真正有效的属性指标输入神经网络主模型,提高模型分类预测的精准度。     

基于小波分析与神经网络时间序列的股票预测方法

本文提出基于小波分析与神经网络时间序列的股票预测方法,把股票每日最高价、最低价以及开盘价进行小波去噪处理,然后把去噪后的数据利用BP(Back Propagation)神经网络进行预测分析,实验的结果表明利用处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的精准度更高,预测的效果更好。     

基于BP神经网络模型的中小企业信用评价体系研究

针对中小企业信用评价机制存在的突出问题,本文通过引入因子分析方法,从企业偿债能力和偿债意愿两个方面着手,构建了具有双输出值的BP神经网络综合评价模型。选取185户中小企业样本进行综合评价和验证,得到了较为客观的评价指标权重,模型对训练集样本的预测精度达84.62%,对测试集样本预测精度达78.18%,基本满足了对中小企业信用评价的精度要求。最后,总结梳理得出BP神经网络评价模型在客观、准确衡量中小企业信用水平方面存在的优势,以期为完善中小企业信用评价体系,缓解企业融资难、融资贵等问题提供参考。