基于BP神經(jīng)網(wǎng)絡(luò)和相關(guān)系數(shù)結(jié)合的股票價格預(yù)測

簡榮杰

摘 要：股票價格預(yù)測一直是困擾投資者的難題，為了提高股票價格的預(yù)測精度，本文提出一種基于BP神經(jīng)網(wǎng)絡(luò)和相關(guān)系數(shù)結(jié)合的股票價格預(yù)測方法。從股票數(shù)據(jù)中選取10個影響股票價格的因素，計算它們與股票價格的相關(guān)系數(shù)，從中提取關(guān)鍵因素，利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測未來股票價格。將此方法用于華誼兄弟（300027）預(yù)測股票收盤價，結(jié)果表明，相對于未提取關(guān)鍵因素的BP神經(jīng)網(wǎng)絡(luò)，此方法提高了股票價格的預(yù)測精度。

關(guān)鍵詞：股票價格 預(yù)測 相關(guān)系數(shù) BP神經(jīng)網(wǎng)絡(luò)

中圖分類號：F832 文獻標(biāo)識碼：A 文章編號：2096-0298（2017）10（b）-024-02

隨著人們投資意識不斷增強，越來越多的人投資股票，股市已成為我國投資者重要的投資理財場所。然而在股票投資中風(fēng)險和收益并存，為了規(guī)避風(fēng)險，獲得最大收益，股票價格預(yù)測成為投資者最關(guān)心的問題之一。

股市是一個復(fù)雜的非線性動力系統(tǒng)，由于BP神經(jīng)網(wǎng)絡(luò)具有很強的非線性適應(yīng)能力，所以可以用它來預(yù)測股票價格。關(guān)于此類問題，已有學(xué)者做了一定的研究。這些研究從不同角度利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測股票價格，說明了BP神經(jīng)網(wǎng)絡(luò)對股票價格有較好的預(yù)測效果，但是這些研究大多沒有對影響股票價格的因素進行篩選提取關(guān)鍵因素，從而影響了預(yù)測精度。針對此不足，本文先利用相關(guān)系數(shù)，提取影響股票價格的關(guān)鍵因素，再利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測股票價格。

1 相關(guān)系數(shù)

相關(guān)系數(shù)是由統(tǒng)計學(xué)家Karl Pearson設(shè)計的統(tǒng)計指標(biāo)，是研究變量之間線性相關(guān)程度的量。定義如下：

2 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是1986年由Rumelhart和McClelland為首的科學(xué)家提出的概念，是一種多層前饋型網(wǎng)絡(luò)。它由輸入層、隱藏層和輸出層組成，能夠?qū)崿F(xiàn)任何復(fù)雜的非線性映射，可用于處理非線性預(yù)測問題。BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)見圖1。

訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的算法稱為BP算法。BP算法的學(xué)習(xí)過程具體如下：將樣本輸入神經(jīng)網(wǎng)絡(luò)，得到網(wǎng)絡(luò)輸出，若輸出值達不到期望輸出時，則反向傳播誤差，根據(jù)網(wǎng)絡(luò)輸出與期望輸出的誤差調(diào)整網(wǎng)絡(luò)的權(quán)值的閾值，直到它們之間的誤差達到最小。

3 股票價格預(yù)測實證研究

本文股票數(shù)據(jù)來自同花順軟件，選取華誼兄弟（300027）1713個交易日開盤價、收盤價、最高價等10個變量的數(shù)據(jù)，日期2009年10月30日至2017年9月1日。從每日開盤價、收盤價、最高價等10個影響后一日收盤價的因素中提取關(guān)鍵因素，利用BP神經(jīng)網(wǎng)絡(luò)預(yù)測后一日收盤價，并與未提取關(guān)鍵因素的BP神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果進行比較。

3.1 提取影響后一日收盤價的關(guān)鍵因素

計算后一日收盤價與每日開盤價、收盤價、最高價等10個因素的相關(guān)系數(shù)，結(jié)果見表1。

從表1中可以看出，每日開盤價、收盤價、最高價和最低價與后一日收盤價的相關(guān)系數(shù)分別為0.9886、0.9913、0.9897和0.9903均大于0.8，說明每日開盤價、收盤價、最高價和最低價對后一日收盤價有很大影響，因此提取這4個因素作為關(guān)鍵因素。

3.2 數(shù)據(jù)預(yù)處理

在運用BP神經(jīng)網(wǎng)絡(luò)預(yù)測股票價格前，需對數(shù)據(jù)作歸一化處理。其主要作用有兩點：一是為了加快BP神經(jīng)網(wǎng)絡(luò)的收斂速度、縮短訓(xùn)練時間；二是為了將不同的關(guān)鍵因素去量鋼化、縮小數(shù)值差別。歸一化的公式如下：

從圖2中可以看出，相對于未提取關(guān)鍵因素的BP神經(jīng)網(wǎng)絡(luò)，提取關(guān)鍵因素的BP神經(jīng)網(wǎng)絡(luò)預(yù)測效果更好。

為了更具體地比較兩個BP神經(jīng)網(wǎng)絡(luò)的預(yù)測效果，分別計算它們預(yù)測值與實際值的平均絕對誤差和平均絕對誤差率，結(jié)果見表2。

從表2中可以看出，提取關(guān)鍵因素的BP神經(jīng)網(wǎng)絡(luò)收盤價的預(yù)測值與實際值的平均絕對誤差為0.6949，平均絕對誤差率為2.40%；未提取關(guān)鍵因素的BP神經(jīng)網(wǎng)絡(luò)收盤價的預(yù)測值與實際值的平均絕對誤差為0.7598，平均絕對誤差率為2.76%。這一結(jié)果再次說明提取關(guān)鍵因素的BP神經(jīng)網(wǎng)絡(luò)預(yù)測效果更好。

4 結(jié)語

本文提出一種基于BP神經(jīng)網(wǎng)絡(luò)和相關(guān)系數(shù)結(jié)合的股票價格預(yù)測方法，并通過對華誼兄弟股票數(shù)據(jù)進行測試，結(jié)果表明，相對于未提取關(guān)鍵因素的BP神經(jīng)網(wǎng)絡(luò)，此股票價格預(yù)測方法提高了預(yù)測精度。為投資者預(yù)測股票價格提供了參考，具有一定的實際應(yīng)用價值。

參考文獻

[1] 郝繼升，任浩然，井文紅.基于自適應(yīng)遺傳算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)股票價格預(yù)測[J].河南科學(xué)，2017（02）.

[2] 陳嶷瑛，張澤星，李文斌.基于神經(jīng)網(wǎng)絡(luò)的股票價格預(yù)測模型[J].計算機應(yīng)用與軟件，2014（05）.

[3] 常松，何建敏.基于小波包和神經(jīng)網(wǎng)絡(luò)的股票價格預(yù)測模型[J].中國管理科學(xué)，2001（05）.

[4] 齊曉娜，程維剛.基于遺傳LMBP神經(jīng)網(wǎng)絡(luò)模型的股票預(yù)測[J].無線互聯(lián)科技，2016（03）.

[5] 胡照躍，白艷萍.基于改進BP神經(jīng)網(wǎng)絡(luò)的股票預(yù)測[J].經(jīng)貿(mào)實踐，2016（02）.

[6] 鄭斯日古楞.灰色神經(jīng)網(wǎng)絡(luò)在股票價格預(yù)測中的應(yīng)用[J].計算機仿真，2012（02）.

[7] 盛驟，謝式千，潘承毅.概率論與數(shù)理統(tǒng)計[M].高等教育出版社，2008.

[8] 聞新.智能故障診斷技術(shù)：MATLAB應(yīng)用[M].北京航空航天大學(xué)出版社，2015.

[9] 王建國.基于BP神經(jīng)網(wǎng)絡(luò)的股票價格反轉(zhuǎn)點預(yù)測[J].現(xiàn)代計算機（專業(yè)版），2015（05）.

[10] 柳小桐.BP神經(jīng)網(wǎng)絡(luò)輸入層數(shù)據(jù)歸一化研究[J].機械工程與自動化，2010（03）.

[11] 張揚武.基于時間序列和神經(jīng)網(wǎng)絡(luò)相結(jié)合的股票預(yù)測研究[J].電腦知識與技術(shù)，2009（01）.

[12] 劉耦耕，李圣清，肖強暉.多層前饋人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)研究[J].湖南師范大學(xué)自然科學(xué)學(xué)報，2004（01）.