龙源期刊网httpwwwqika
comc
基于BP神经网络的股票价格预测分析
作者：程维刚齐晓娜来源：《企业文化下旬刊》2016年第03期
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（BackPropagatio
）神经网络是1986年由Rumelhart和McCella
d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。
（二）BP神经网络模型
BP神经网络由输入层、隐含层及输出层组成，多层BP神经网络模型的拓扑结构如图1，其中隐含层可有一层或多层，每层由多个神经元组成。输入信号的维数决定输入层神经元的个数，输出层神经元的个数由要研究的问题决定，一般为输出信号的维数。BP神经网络的训练
f龙源期刊网httpwwwqika
comc
过程包括输入信号正向传播和误差信号反向传播，在训练中这两个过程交替进行不断计算输出误差和进行权值调整直至达到令人满意的结果。
图1多层BP神经网络的拓扑结构
二、BP神经网络进行股票预测的原理
（一）预测方法的设计
所谓预测，即通过一些已知历史数据对未来未知数据的取值进行估计，设有时间序列体Xi，其中历史数据X
，X
l，…，X
m，对未来
mk（k0）时刻的取值进行预测，即预测X
mk的某种非线性函数关系：X
mkF（X
，X
1，…，X
r