基于PCA_BP神经网络的股票价格预测研究

第28卷第3期

计算机仿真

2011年3月

文章编号：1006－9348（2011）03－0365－04

基于PCA－BP神经网络的股票价格预测研究

蔡

红，陈荣耀

（东华大学旭日工商管理学院，上海200051）

摘要：在股票决策问题的研究中，针对影响股票价格因素间存在高度的非线性、存在数据冗余等特征，传统股票预测方法无法消除数据之间冗余和捕捉非线性规律导致预测精度较低，为了提高股票价格预测精度，提出一个基于主成份分析（PCA）的BP神经网络（BPNN）股票预测模型（PCA－BPNN）。首先对影响股票价格波动的各因素进行主成份分析，消除各因素之间的冗余性，降低BP神经网络的输入维数，加快BP神经网络测速度并提高预测精度，然后利用BPNN对保留成分进行建模预测。利用PCA－BPNN模型对上海证券交易所上市的首创股份（600008）经济数据进行了验证性测试和分析，结果表明，PCA－BPNN模型预测精度显著提高，是一种高效和准确的股票预测模型。关键词：主成分分析；股票价格；神经网络中图分类号：TP393

文献标识码：B

StockPricePredictionBasedonPCAandBPNeuralNetwork

CAIHong，CHENRong－yao

（GloriousSunSchoolofBusinessandManagement，DonghuaUniversity，Shanghai200051，China）

ABSTRACT：Instocksdecision－makingstudy，therearelotsofstockpricesfactorsandtherearehighlynonlinearandredundantinformationamongfactors，thetraditionalstockpredictionmethodcannoteliminatedataredundancyandcapturenonlinearfeature，andpredictionaccuracyislower．Inordertoimprovethepredictionaccuracyofstockprices，astockpredictionmodel（PCA－BPNN）isputforwardbasedonprincipalcomponentanalysis（PCA）andBPneuralnetwork（BPNN）．Firstly，PCAisusedforselectingvariablestoreducethecomplexityofBPNNmodel，elimi-natingredundancyamongthefactors，reducingtheinputdata，andimprovingthespeedofBPNN．ByusingBPNN，themodelwasbuiltwiththereservedfactors．ThePCA－BPNNistestwithstock600008，andtheresultsshowedthatPCA－BPNNcanimprovethepredictionaccuracyandisahighefficientandaccuratestockpredictionmodel．KEYWORDS：Principalcomponentanalysis；Stockprice；Neuralnetworks

1引言

在股票市场上，对于决策者来说，预测越准确，对未来利

票市场，预测精度不理想

［3］

。为弥补这一缺陷，近年来国内

［4］

外众多学者利用各种神经网络的人工智能方法，对股票价格进行了大量的预测研究，并取得了成功的应用

，但神经网

络没有考虑输入变量的选取。输入变量过多时，网络结构复杂，加重了神经网络的训练负担，学习速度急剧下降；同时，主观选择很有可能包含与输出相关性很小的输入变量，增加了陷入局部极小点的可能性，非但不能提高预测精度，反而降低了神经网络预测的性能

［5］

润的获取及风险的规避就越有利。每时每刻都有许多的股股价的变化往往是政治、经济、社会因素的综票在进行交易，

合反映，所以股票指数预测具有变换幅度大，变化因素多，变化不稳定等特性，如何判断和把握整个股票市场股价变动水平与变化趋势是股票买卖者最关心的问题

［1］

。

自股票出现以来，股票预测便受到广泛关注与积极研究，国内外许多学者提出了许多预测方法，一类是传统统计方法，另一类为人工智能方法

［2］

。股票市场是一多维的动态

非线性系统，影响因素很多，包括历史数据、技术指标、宏观因素等各种变量，只有从中找出一组合适的输入才能有效地解释股票市场的变化关系，才有可能对各种变化条件下的股价趋势做出准确的预测

［6］

。传统的各种股票预测方

法，都是基于线性模型，由于股票价格与政治、经济、社会因素之间呈非线性关系，传统方法不能充分考虑各因素对股票价格的影响，不能很好地分析和拟合高度非线性多因素的股

。

针对当前神网络在股票预测中的问题，本文提出一种基于主成分分析的神经网络股票预测方法（PCA－BPNN）。对使用于BP神经网络的包含各种因素的输入变量进行筛选，

收稿日期：2010－05－10修回日期：2010－05－26

输入参数大大减少，不但成倍地减少了网络的训练时间，而

65—

第1页下一页