基于BP神经网络的股票价格预测分析

程维刚++齐晓娜

摘 要：本文针对股票市场这一非线性系统，分析BP神经网络在股票价格预测中的应用原理。

关键词：股票预测；神经网络；BP算法

自股票市场成立，学术界提出了很多方法来预测股价。比如时间序列法、混浊理论、多元回归、证券投资分析法等等。虽然很多学者使用各种方法来预测股价，但由于股价的非线性特征，传统的方法在解决非线性问题上存在一定的局限性，预测结果往往不太理想。

近年来，人工智能方面特别是神经网络的研究，取得了很大的进展，神经网络能够通过学习历史数据，掌握数据的内在联系，并且具有良好的非线性逼近能力，因此本文分析将神经网络方法应用于股票价格预测。

一、BP神经网络

BP（Back Propagation）神经网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。

（一）BP神经网络基本原理

输入信号Xi通过中间节点（隐层点）作用于输出节点，经过非线形变换，产生输出信号Yk，网络训练的每个样本包括输入向量X和期望输出量t，网络输出值Y与期望输出值t之间的偏差，通过调整输入节点与隐层节点的联接强度取值Wij和隐层节点与输出节点之间的联接强度Tjk以及阈值，使误差沿梯度方向下降，经过反复学习训练，确定与最小误差相对应的网络参数（权值和阈值），训练即告停止。此时经过训练的神经网络即能对类似样本的输入信息，自行处理输出误差最小的经过非线形转换的信息。……