先进行单步预测,再将网络输出的预测值反馈给网络输入端作为输入的一部分,用于下一步的预测。
(二)预测的基本步骤
用神经网络对股票市场价格进行预测可以分为神经网络的训练(或拟合)和预测两个步骤。基本步骤为:
1.确定网络结构和预测精度,即确定输入节点数(n)、输出节点数(m)、隐含层数以及每个隐含层的节点数。
2.对样本数据进行分段,一般分为学习样本段和检验样本段。
3.选择适当的算法训练网络,使该网络尽量拟合学习段时间序列。
4.用检验段数据检验训练好的网络。如果效果很好,利用训练好的网络对未来进行预测。否则,调整网络的结构,重复上一个步骤,直到得到较好的检验结果。
三、结论
由于BP神经网络具有很强的自学习能力、自适应能力以及容错能力等优点,使其能够在一定条件下,一定程度上对股价走势进行判断。但是BP算法存在着收敛速度慢、存在局部极小点及相关参数的确定尚无统一的理论指导等本身的局限性,因此要想取得较理想的预测效果,一定要对BP神经网络进行优化,以克服BP神经网络存在的不足。
参考文献:
[1]纪滕.基于BP网络的股票预测研究[D].昆明理工大学,2014.
[2]宗娜娜.小波神经网络在股票预测中的研究与应用[D].昆明理工大学,2014.
[3]范涛.基于优化算法的股票预测研究[D].湖北工业大学,2015.
[4]陈艳,褚光磊.关联规则挖掘算法在股票预测中的应用研究——基于遗传网络规划的方法[J].管理现代化,2014,03:13-15+39.