1997年6月系统工程理论与实践第6期
证券市场预测的神经网络方法
赵宏 邹雯 汪浩
(国防科技大学系统工程系,长沙410073)α
摘要 首先讨论了证券市场的各种影响因素、预测分析方法和定量预测模型的选择。网络模型的非线性映射能力和学习联想能力,提出了证券市场预测的通用模型入时机预测的实例,证明了该模型的有效性。
关键词 证券市场 预测模型 神经网络
NeuralNetworkMPrediction
WangHao
UofDefenceTechnology,Changsha410073)
Inthispaper,wefirstdiscusseachoftheaffectingfactors,predictionanaly2
.sismethodandtheselectionofthequantitativepredictionmodelsofstockmarkets
Then,Wecreativelymakeuseofthenonlinearreflectionabilityandassociationlearning
abilityofarti2ficialneuralnetwork,andproposeageneralmodelofthestockmarket
prediction.Finally,througharealpredictionexampleofbuyingopportunity,weverify
thatourmodeliseffective.
Keywords stockmarket;predictionmodel;neuralnetwork
1 引言
证券风险投资市场作为市场经济的重要体现,以其高风险、高收益的特点吸引着广大投资者投身其中,试图博取高额的回报。与此同时,它也吸引着许多学者孜孜不倦地探索其中的规律和操作策略。
本文基于证券技术分析的“模式重现”原理,提出了一种运用神经网络模型的模式记忆和联想的特点,将已有的数据模式存储于网络权值中,当被预测数据输入网络后,网络自动唤起与之最接近的模式。由于网络运算的快速性和客观性,一定程度上克服人工判别的不足。如果将网络的输出结果和个人的经验判断相结合,相信会有更好的效果。
2 证券预测系统分析
证券交易市场同其它资本买卖市场一样,“利益”和“风险”构成了市场的核心内容,它符合市场经济的两条基本假设,即:①人是“理性”的,理性意味着每个人都会在给定的法规政策约束条件下,争取自身的最大利益;②交易者在市场交换中有着完全的选择自由,同时由自己承担风险,承担选择的后果。
从证券市场内部来看,市场行情由投资者们的行为共同创造,反过来市场行情又直接影响着投资者的信心和下一步的操作行为。从外部看,股市还受到来自政治经济形势、金融政策、公司状况和重大消息等多方面因素的影响。由此,证券市场结构框图可由图1表示。
α本文于1996年1月15日收到国家自然科学基金资助项目
128系统工程理论与实践1997年6月上述两个方面在证券市场的预测分析中通
常称之为基本面和技术面。投资分析者基于这
两个方面进行市场预测,并确定是买入还是卖
出的方法是基本面分析方法和技术面分析方
法。
基本面分析是研究影响证券市场供给和需
求的各种因素。一般而论,供给超过需求,价格
突发事件等都是造成市场价格波动的因素。
基本面分析是研究影响证券市场供给和需求的各种因素。一般而论,供给超过需求,价格下跌;反过来,需求超过供给,价格上涨。因此,宏观政治经济形势、金融政策、都是造成市场价格波动的因素。
,,运用多种数学模型,进行预测市场未来变化的分析方法,因为它具有随机性特征,和统计模型。
?是什么原因造成的?技术因素分析。因此,基本面因素对市场未来走势的影响是直接的,易于理解的,。技术面分析的基本前提依据是:①历史总是经常重演的,;②证券的价格包含了过去、现在所有影响价格的全部信息,价格的再变化是由于新的外部因素和系统作用而导致。
综合上述分析,基于
市场行情的技术面分析,
实际上也包括了对已经
出现的基本面情况的理
解和消化。那么,基本面
分析的内容主要集中在
对未来宏观政治经济形
势、上市公司日后盈利状
况,以及可能出现各种金
融政策和消息的判断上。
由此可得由图2所示的
证券市场决策分析框架。
其中,U表示对未来基本面的判断。图2 证券市场决赛分析框架图1 证券市场结构框图下跌;反过来,需求超过供给,价格上涨。因此,宏观政治经济形势、金融政策、公司运营状况以及其它方面
3 预测模型的选择
目前世界上用于经济预测的定量化方法已不下百种。它们基本上可以归纳为以下三类模型:①时间关系类模型,在这类模型中,被预测对象的演变过程为一时间变量的函数;②结构关系类模型,这类模型的特点是在被预测事物与其影响因素之间在一定时间内保持着某种固定结构函数关系;③因果关系模型,这类模型的特点是在被预测事物与其影响因素之间是用因果关系形式描述的。
时间关系类模型和结构关系类模型一般对被预测对象都有着严格而且具体的要求,这就要求我们在做预测前,一定要对被预测对象做深入的系统分析,只有在确认某类预测模型的前提条件被满足的情况下,才可以用该模型进行预测,否则预测结果是不可靠的。而因果关系类模型的关系实际上是因和果两个
第6期证券市场预测的神经网络方法129空间之间的映射,这比时间函数和结构化函数的限制要宽松得多,几乎可以表示任何一种非线性关系,所以因果关系类模型较之上两类模型的适用面要大得多,运用起来也灵活得多。
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。因此,本文选择了神经网络模型中应用最为广泛的B2P网络模型作为证券市场预测的基本因果模型,并根据实际应用的需要做了创造性的改进,使之具有了更加优越的性能品质,在应用中收到了良好的效果。
4 神经网络模型及预测分析
411 B2P网络模型及其改进
B2P网络的拓扑结构如图3所示。输入单元xi到
隐单元hj的权重是Vij,而隐单元hj到输出单元yk的
权擀是Wjk。另外用Ηk和
1997年6月系统工程理论与实践第6期
证券市场预测的神经网络方法
赵宏 邹雯 汪浩
(国防科技大学系统工程系,长沙410073)α
摘要 首先讨论了证券市场的各种影响因素、预测分析方法和定量预测模型的选择。网络模型的非线性映射能力和学习联想能力,提出了证券市场预测的通用模型入时机预测的实例,证明了该模型的有效性。
关键词 证券市场 预测模型 神经网络
NeuralNetworkMPrediction
WangHao
UofDefenceTechnology,Changsha410073)
Inthispaper,wefirstdiscusseachoftheaffectingfactors,predictionanaly2
.sismethodandtheselectionofthequantitativepredictionmodelsofstockmarkets
Then,Wecreativelymakeuseofthenonlinearreflectionabilityandassociationlearning
abilityofarti2ficialneuralnetwork,andproposeageneralmodelofthestockmarket
prediction.Finally,througharealpredictionexampleofbuyingopportunity,weverify
thatourmodeliseffective.
Keywords stockmarket;predictionmodel;neuralnetwork
1 引言
证券风险投资市场作为市场经济的重要体现,以其高风险、高收益的特点吸引着广大投资者投身其中,试图博取高额的回报。与此同时,它也吸引着许多学者孜孜不倦地探索其中的规律和操作策略。
本文基于证券技术分析的“模式重现”原理,提出了一种运用神经网络模型的模式记忆和联想的特点,将已有的数据模式存储于网络权值中,当被预测数据输入网络后,网络自动唤起与之最接近的模式。由于网络运算的快速性和客观性,一定程度上克服人工判别的不足。如果将网络的输出结果和个人的经验判断相结合,相信会有更好的效果。
2 证券预测系统分析
证券交易市场同其它资本买卖市场一样,“利益”和“风险”构成了市场的核心内容,它符合市场经济的两条基本假设,即:①人是“理性”的,理性意味着每个人都会在给定的法规政策约束条件下,争取自身的最大利益;②交易者在市场交换中有着完全的选择自由,同时由自己承担风险,承担选择的后果。
从证券市场内部来看,市场行情由投资者们的行为共同创造,反过来市场行情又直接影响着投资者的信心和下一步的操作行为。从外部看,股市还受到来自政治经济形势、金融政策、公司状况和重大消息等多方面因素的影响。由此,证券市场结构框图可由图1表示。
α本文于1996年1月15日收到国家自然科学基金资助项目
128系统工程理论与实践1997年6月上述两个方面在证券市场的预测分析中通
常称之为基本面和技术面。投资分析者基于这
两个方面进行市场预测,并确定是买入还是卖
出的方法是基本面分析方法和技术面分析方
法。
基本面分析是研究影响证券市场供给和需
求的各种因素。一般而论,供给超过需求,价格
突发事件等都是造成市场价格波动的因素。
基本面分析是研究影响证券市场供给和需求的各种因素。一般而论,供给超过需求,价格下跌;反过来,需求超过供给,价格上涨。因此,宏观政治经济形势、金融政策、都是造成市场价格波动的因素。
,,运用多种数学模型,进行预测市场未来变化的分析方法,因为它具有随机性特征,和统计模型。
?是什么原因造成的?技术因素分析。因此,基本面因素对市场未来走势的影响是直接的,易于理解的,。技术面分析的基本前提依据是:①历史总是经常重演的,;②证券的价格包含了过去、现在所有影响价格的全部信息,价格的再变化是由于新的外部因素和系统作用而导致。
综合上述分析,基于
市场行情的技术面分析,
实际上也包括了对已经
出现的基本面情况的理
解和消化。那么,基本面
分析的内容主要集中在
对未来宏观政治经济形
势、上市公司日后盈利状
况,以及可能出现各种金
融政策和消息的判断上。
由此可得由图2所示的
证券市场决策分析框架。
其中,U表示对未来基本面的判断。图2 证券市场决赛分析框架图1 证券市场结构框图下跌;反过来,需求超过供给,价格上涨。因此,宏观政治经济形势、金融政策、公司运营状况以及其它方面
3 预测模型的选择
目前世界上用于经济预测的定量化方法已不下百种。它们基本上可以归纳为以下三类模型:①时间关系类模型,在这类模型中,被预测对象的演变过程为一时间变量的函数;②结构关系类模型,这类模型的特点是在被预测事物与其影响因素之间在一定时间内保持着某种固定结构函数关系;③因果关系模型,这类模型的特点是在被预测事物与其影响因素之间是用因果关系形式描述的。
时间关系类模型和结构关系类模型一般对被预测对象都有着严格而且具体的要求,这就要求我们在做预测前,一定要对被预测对象做深入的系统分析,只有在确认某类预测模型的前提条件被满足的情况下,才可以用该模型进行预测,否则预测结果是不可靠的。而因果关系类模型的关系实际上是因和果两个
第6期证券市场预测的神经网络方法129空间之间的映射,这比时间函数和结构化函数的限制要宽松得多,几乎可以表示任何一种非线性关系,所以因果关系类模型较之上两类模型的适用面要大得多,运用起来也灵活得多。
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。因此,本文选择了神经网络模型中应用最为广泛的B2P网络模型作为证券市场预测的基本因果模型,并根据实际应用的需要做了创造性的改进,使之具有了更加优越的性能品质,在应用中收到了良好的效果。
4 神经网络模型及预测分析
411 B2P网络模型及其改进
B2P网络的拓扑结构如图3所示。输入单元xi到
隐单元hj的权重是Vij,而隐单元hj到输出单元yk的
权擀是Wjk。另外用Ηk和