BP神经网络预测上证指数

多年来预测股市的未来变化一直是一个热门研究课题。然而对非线性数据的局限性限制了传统统计技术的应用。本从技术分析角度出发，研究了利用BP神经网络对上证指数进行短期预测的可能性。结果不但说明利用神经网络可以综合运用技术分析各方面信息进行预测，也证实了利用神经网络，非专业人员同样可以预测股市趋势。     

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。     

ARIMA对我国上证指数的预测研究

采用自回归移动平均模型(ARIMA),选取了上证指数2011年5月1日至2012年5月1日共242个交易日收盘数据进行短期预测,结果显示,ARIMA(3,1,1)对上证指数有较好的预测效果,为投资者在股票市场的投资提供了有效参考。     

基于ACRH模型的上证指数预测分祈

该文通过建立ARCH模型对上证综指2000到2009年的月度收盘价数据进行拟合，然后预测了2010年前四个月的收盘价，并与真实值进行了比较，通过比较得出ARCH模型预测效果较好。     

ARIMA模型在上证指数预测中的应用

本文以上证指数2007年10月8日至2008年4月16日日收盘价的历史数据作为样本区间,利用ARIMA方法对上证指数做短期预测。     

基于BP神经网络的股票价格预测研究

本文针对股票市场这一非线性系统,利用人工神经网络的方法来对股票进行时间序列预测。采用BP神经网络,将历史时间序列数据作为参考依据,预测未来短期内的股票价格;并在此基础上,与实际的股票价格进行对比分析,并得出结论。对于股票市场内的投资者具有一定的理论意义和实践价值。     

基于神经网络对房价预测的研究

如今房地产市场容易出现暴涨暴跌的情况,很多大城市的房价已经达到了普通人不能接受的程度,如何高效地解决房地产的问题,一个较好的方案是准确地预测出未来的房地产市场行情。本文利用神经网络来预测房价的走势,优势在于神经网络类似于人脑的结构,具有仿生的特点,能够拟合出复杂的模型结构,对房价预测的任务会有比较好的效果。房价预测模型可以有效地解决当今房地产市场所存在的一些问题,帮助人们理性的投资,切实地解决人们买房难的问题,创造更加和谐美满的社会。     

基于BP神经网络的重庆市外贸出口预测研究

出口贸易系统受到国内国际诸多因素的影响,是一个演变的非线性复杂系统,而神经网络因其强大的非线性映射能力,特别适合于解决非线性的预测决策问题。本文从重庆市外贸出口的实际背景出发,采用三层BP神经网络进行实证预测,预测结果表明本文建立的模型具有较高的预测精度,可以作为相关部门制定出口贸易发展目标的参考依据。     

宏观经济变量对上证指数影响的实证研究

本文从理论和实证方面研究了上证综合指数与宏观经济之间的关系,构建出宏观经济因素影响上证综合指数的模型。具体而言,上证综合指数与居民消费价格指数、工业增加值、人民币兑美元汇率呈正相关关系,与商品零售价格指数呈负相关关系。在构建模型的过程中还证实了即股价指数对于宏观经济变量的响应有一定的滞后性的这一观点。     

基于季节调整的BP神经网络等三种模型对中国出口研究

本文以出口额、实际汇率、我国GDP、美国IPI及它们的季节变量等六个变量为决定变量,运用BP神经网络、ARIMA及AR-GARCH三种方法,对我国向美国的出口额分别建模,并进行了预测。选取误差指标,分别对三个模型得到的模拟结果和预测结果同真实值进行比较。结果发现,三种模型效果都令人满意,虽在模拟和预测能力上有一定差别,但ARIMA模型优势明显。本文分析了以上结果产生的原因,并结合模型为提高我国出口提出建议。     

基于LSTM神经网络的股价预测应用研究

本文采用长短记忆神经网络(Long Short-Term Memory,LSTM)方法对贵州茅台股价进行预测研究,LSTM神经网络能够根据股票时间序列数据的特性,很好地拟合股票价格的波动规律.本文通过Python编程语言构建了神经网络预测模型的整个过程,并对贵州茅台股价进行预测.通过神经网络预测模型的结果表明,采用LS...     

基于BP神经网络的港口城市经济发展预测研究

分析说明BP神经网络的工作原理,针对连云港市1995年至2004年港城互动经济数据,构造相应的BP神经网络结构并进行网络训练,结果表明BP神经网络用于港城经济的发展预测是可行的。     

基于神经网络的股票市场预测

本文将人工神经网络方法引入时间序列预测,针对股票市场这一非线性系统,运用神经网络,在历史数据时间序列的基础上,对股票市场的价格走势进行了理论、方法与模型的研究。本文利用RBF神经网络对上证综指进行了预测研究,获得了较好的预测效果。     

基于小波神经网络的股票价格预测

股票价格是一个与政治,经济等多因素有关的非线性建模问题。本文利用小波神经网络在非线性建模中的收敛迅速等优越性,提出利用小波神经网络预测股票价格的方法。仿真表明该方法可行,预测精度高。     

基于BP神经网络的电力负荷预测研究

提出了一种有着显著优点的基于MATLAB的人工神经网络负荷预测的方法,算例分析结果充分证明了基于MATLAB的BP网络对电力负荷的中长期预测更加精确。     

基于BP神经网络的工程项目成本预测方法研究

本文通过运用BP神经网络方法快速对工程成本进行估算使项目的成本管理向预防性管理发展，从而提高企业抗风险能力，为保证经济效益做好基础工作。     

基于上证指数收盘价标准差系数的时间序列预测

稳定性是衡量股票市场风险程度的一个重要的指标,主要通过方差的计算来对稳定性进行度量.本文通过对上证指数2008年12月到2012年1月每月全部交易日收盘价的标准差系数进行研究,运用ARIMA时间序列技术,得出预测模型,对未来的标准差系数进行预测.     

基于Elman神经网络的江苏技术人才需求预测

Elman神经网络是一种典型的动态回归神经网络,它具有适应时变性的能力。以江苏省技术人才系统为例,说明了Elman神经网络在人才需求预测中的应用,并将其预测结果与基于BP静态神经网络的预测值进行了比较。指出了Elman神经网络在对人才系统这样的动态系统进行预测时优越性。