對股票價格短期變化進行簡單預測的兩種方法

趙玲君

摘要：本文針對單支股票在未來短期內的預測進行了研究，文中采用了兩種方法，分別建立了ARMA時間序列模型和BP神經(jīng)網(wǎng)絡模型進行預測分析。

關鍵詞：ARMA模型;BP神經(jīng)網(wǎng)絡模型

1ARMA模型

我們使用自回歸移動平均模型（ARMA）進行預測。它分為AR（自回歸）部分和MA（移動平均）部分。對于AR模型，利用之前的觀察值和當前的干擾值并通過一定的線性組合來進行預測與分析。其數(shù)學公式為：

我們首先對觀測數(shù)據(jù)序列進行平穩(wěn)化處理，使非平穩(wěn)的數(shù)據(jù)序列轉化為平穩(wěn)的隨機序列，然后運用基于Matlab工具箱的ARMA模型的時間序列分析方法來驗證模型。

2BP神經(jīng)網(wǎng)絡模型

BP神經(jīng)網(wǎng)絡是一種反饋型學習網(wǎng)絡，輸入層各神經(jīng)元負責接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元。

中間層可以設計為單隱含層或者多隱含層結構，最后一個隱含層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進一步處理后，完成一次學習的正向傳播處理過程，由輸出層向外界輸出信息處理結果，當輸出值和實際需要值之間的誤差大于預定的誤差值時，網(wǎng)絡進入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權值，向隱含層、輸入層逐層反傳。

周而復始的信息正向傳播和誤差反向傳播過程，是各層權值不斷調整的過程，也是神經(jīng)網(wǎng)絡學習訓練的過程。這個過程一直持續(xù)進行，直至網(wǎng)絡輸出的誤差減少到預訂的誤差范圍內，或者訓練次數(shù)達到預先設定值。

建立股票預測BP網(wǎng)絡的基本步驟如下：

（1）決定網(wǎng)絡的輸入向量和輸出向量。

（2）建立BP網(wǎng)絡結構，對網(wǎng)絡進行初始化，隨機在區(qū)間給定各連接權值、，并設定誤差函e，給出相應的閾值，確定網(wǎng)絡層數(shù)和節(jié)點數(shù)。