[发明专利]基于BP神经网络的股市建模、预测及决策的方法

说明书

技术领域

本发明涉及一种基于BP神经网络的股市建模、预测及决策的方法，该方法只需输入当天收盘价、成交量等八个容易得到的股票信息，系统就能给出下一交易日的买卖决策，该方法有效，且易于操作。

背景技术

股票市场是一个风险和利益共存的市场，股票市场的建模和预测研究对我国的经济发展和金融建设具有重要意义，一直为人们所关注，以往有许多文献对此进行了探讨。但股票市场各因素间的相关性错综复杂，是一个多变量非线性系统，而在多变量非线性系统的建模方面，目前还未达到成熟的程度，并且股票市场还存在不确定性，这使得一些建模和预测的结果往往难如人意。人工神经网络具有广泛的适应能力，学习能力和映射能力，用人工神经网络进行多变量非线性系统建模和进行非线性预测是一种有效的方法。

发明内容

本发明的目的在于克服现有技术存在的不足而提供一种利用BP神经网络，建立八个输入、两个输出的神经网络股票预测模型，然后根据近几个交易日的预测结果进行买卖决策的基于BP神经网络的股市建模、预测及决策的方法。

为实现上述目的，本发明所采用的技术方案是：

1、首先确定BP神经网络的输入和输出信号。八个输入信号X₁、X₂、X₃、X₄、X₅、X₆、X₇、X₈，分别为当天收盘价、当天成交量、当天成交额、当天最高价除以前5天的平均最高价、当天成交量除以前5天平均成交量、当天最高价除以前15天的平均最高价、当天成交量除以前15天平均成交量、今年最高价减去当天收盘价。

BP神经网络的输出是要反映股票价格的涨跌情况，本发明的BP神经网络的两个输出信号d₁、d₂选取为：

         d₁＝(20天后的最高值-今收盘价)/今收盘价

         d₂＝(今收盘价-20天后的最低值)/今收盘价

d₁越大，表明20天后股票涨的可能性大，否则，涨的可能性小；d₂越大，表明20天后股票跌的可能性大，否则，跌的可能性小。d₁、d₂的值可能很大，也可能为负。对信号d₁、d₂作规范化处理，使其取值在0到1之间：

2、确定八个输入，两个输出的三层前向神经网络拓扑结构，利用股票历史数据，用BP算法对网络进行训练，建立BP神经网络预测模型。

3、利用BP神经网络的输出信号A、B，进行买入卖出的决策：

买入决策的条件为下列三个不等式成立：

                       A_k＞θ₁           (1)

                       B_k＞θ₂           (2)

              A_k-(A_k-1+A_k-2+…+A_k-m)/m＞θ₃     (3)

卖出决策的条件为下列三个不等式成立：

                       A_k＜π₁           (4)

                      B_k＜π₂            (5)

             ((B_k-1+B_k-2+…+B_k-m)/m)-B_k＞π₃    (6)

其中k表示第k个交易日，m表示交易天数，θ₁，θ₂，θ₃，π₁，π₂π₃，m可选取适当的值。

本发明具有方法有效，易于操作的优点。

附图说明

图1为本发明的预测信号A示意图。

图2为本发明的预测信号B示意图。

具体实施方式

第一步：确定BP神经网络的输入。