(华南理工大学 广东 广州 510006)
证券市场具有高收益以及高风险。投资者为了获取高收益,以及承担低风险,将许多股票按一定的组合进行投资,正因如此,证券最优投资组合问题是一个值得研究的问题。随着时代的发展,传统的定性分析方法因为偶然性太大,似乎已经不再能满足这个大数据时代的需求。人们急需一种准确的方法来分析证券组合。基于人工神经网络的特点和优点,它具有自学习、联想存储、快速求解最优解的能力以及遗传算法的全局优化等功能。另外遗传算法具有全局优化的特点,使得很多学者将数据挖掘的方法运用在证券投资上,并且取得了很多成果。
本文主要从两个方面来进行文献综述,分别是:BP神经网络在证券市场上的发展应用;遗传算法在证券市场上的发展应用。经过文献梳理可知,BP神经网络在我国证券市场的研究已经有较长时间,发展较为全面。杨楠(2016)从BP网络、模糊神经网络、组合神经网络三个方面,探究总结了神经网络在证券市场预测中的应用。张翱翔(2017)研究了国内外基于BP神经网络的股指预测系统,总结了股指预测系统在我国股票市场的预测能力。王晶(2018)还利用BP神经网络模型对中国股市进行了预测,以实际股票为例,对其股价未来走势进行了预测。邢伟琛(2019)应用BP神经网络模型,进一步预测和模拟了我国上证指数的收盘价,将产出的预测值与实际股票价格进行比较,获得了相关结论。……