算法分析
基于遗传算法与BP神经网络的股票预测
胡照跃白艳萍
(中北大学理学院数学系山西太原030051)
数事共本开与或用
摘要：股票价格走势已经成为人们关注的焦点,本文应用遗传算法去寻找BP神经网络的初始权值和阅值,并且应用主成分分析提取责缺率达到90% 的主成分作为输入变量对股票进行预测。本文以苏宁云商为对象对其开盘价进行预测,实验结果表明,PCA-GA-BP模型在降低预测平均误差的同时，运行时间大大减少,加快了算法收效速率,较为准确地预测了苏宁云高商的开盘价，具有较高的精确度和应用价值。
关键词股票BP网络主成分分析遗传算法
文献标识码：A
中图分类号：TP183 1引言
现在股市投资已经成为人们目常生活的一个重要组成部分，然面股市投资的收益与风险往往是成正比的1-1。近年来，由于神经网络技术的飞遵发展，为股票市场预测中新技术，新方法的应用提供了有利条件。BP神经网络具有很强的非线性模拟能力，遗传算法能够收效得到全局最优解，因此本文分别将遗传算法与BP神经网络结合起来，使BP神经网络具有较快的收敏性，全局优化能力和较强的学习能力。
2基于遗传算法的BP神经网络模型权重参数优化
BP学习算法属于全局逼近算法，有较好的泛化能力，但是BP神经网络有收敛速度慢，易陷人局部最小值的缺点[4]，遗传算法(GeneticAlgorithms，简称GA算法)是1962年由美国Michigan大学 Holand教授提出的模拟自然界遗传机制和生物进化论而成的
1种
并行随即搜索最优化方法。遗传算法是基于自然选择和遗传学机理的送代自适应概率搜索算法，可克服人工神经网络自身的缺陷，逐
步提高网络训练速度和预测精度。 3主成分分析
主成分分析(Principal componentanalysis，简称PCA)是由 Hotelling于1933年提出，主成分分析的主要思想是将原来众多其有一定相关性的指标，重新组合成一组新的互相无关的综合指标来代替原来的指标，从而使得这些主成分所包含的信息互不重叠，要
求各主成分之间互不相关。 4实验结果分析
本文中的股票数据来自通信达股票交易软件，所用软件为
文章编号:1007-9416(2016)03-0146-01
MATLAB(R2014a)仿真软件，选取了苏宁云商从2015年2月12日到 2015年7月17日这期间内102个交易日每日的各种指标。我们应用主成分分析方法提取贡献率满足90%的主成分作为输人变量，从而进行预测。(如表1)
从各算法计算结果比较可以看出，PCA-GA-BP模型训练的神经网络学习算法比GA一BP算法无论在收效速度上，还是在误差及精
度上，都取得了更好的效果。 5结语
股票市场是个非稳定的时间序列，利用常规的预测方法往往效果不好。本文应用遗传算法去寻找BP神经网络的初始权值和阅值，从而进行预测。实验结果表明，遗传算法和BP神经网络相结合对股票市场的预测具有很好的效果和研究价值。该方法的主要优点有：网络结构简单，收敏速度快，预测精度高，减少了输人变量的维数。参考文献
[1]麻卫华,李玉红.股指期货与我国股票市场发展[J].金融教学与研究.2004(05)
[2]师智斌.陈立潮.薪雁霞.基于神经网络的股票交易数据的预测研究[3].华北工学院学报.2003(06)
[3]吴成东,王长涛.人工神经元BP网络在股市预测方面的应用[J].控制工程,2002(03)
[4]刘天舒.BP神经网络的改进研究及应用[D].东北农业大学,2011.[5]郝华宁,刘阳.基于遗传神经网络的个股价格短期预测[J].西安石油大学学报（自然科学版)2010(02)
[6]姬查照,张骏.基于主成分分析的股票指数预测研究[]].计算机工程与科学,2006(08).
表1苏宁云商各算法计算结果比较
测试指标 GA-BP
PCAGABF
收稿日期：2016-01-27
均方误差
MSE 0.00438 0.00188
相关系数 R2 97.18% 99.01%
S/ 106 81
变量个数
20 8
累计贡献率 99.84%
作者简介：胡照跃(1991一),男，汉族，海南海口人,2013级硕士研究生,研究方向：现代优化算法；白艳萍(1966一),女，汉族，山西太原人,博士后
投授,研究方向：现代优化算法。
4