当前位置:首页 >> 信息与通信 >>

蚁群神经网络用于股票价格短期预测


维普资讯 http://www.cqvip.com

孵 经 论 坛 

蚁群神 经网络用于股票价格短期预测 
鼹 壬 张
[ 摘

晶 倩

中央 司 法警 官学 院  中央 司 法警 官学 院 

张文 静  河北 农业 大学 信息 科学 与技术 学 院 <

br />要]股票价格是非线性 时间序列 ,传统 B P神经网络预测模 型存在容易陷入局部极小和收敛速度慢 的缺 陷 本文针对这些问    

题 ,采 用蚁 群 神 经 网络预 测 模 型 用于 预 测 股 票 价 格 , 该模 型 将 蚁 群算 法作 为训 练神 经 网 络 的 学 习算 法 。 实 验 数据 表 明 ,该 模 型 对 于  股 票 价格 的短 期 预 测 效 果 . - b传统 B 神 经 网络 预 测模 型 相 比 , 具有 较 好 的 自适 应 性 及较 快 的 收 敛速 度 。 P  
[ 关键 词]蚁 群 算 法 前 向 神 经 网络 B 算法 P 短 期 预 测  股票 价 格  出 的 网络 拓 扑 图 ,通 过 股 票价 格 时 间序 列重 构 股 票市 场 非 线 性动  力 系统 , 根 据 给定 的一 组股 票 价格 迭代 序 列  通 过神 经 网络构 造   

以股 票涨 落 为 代表 的金 融 数 据 非常 复 杂  其 变化 有 着很 强 的  无 序 性 . 而 有效 的数 据 预 测 在 金 融 投 资 领 域 占有 重 要 地 位 。 因     此 对 股 票 价 格 的 预 测 不 但 具 有 很 大 的 难 度 ,而 且 具 有 很 重 要 的 
意义。  

非线 性映 射  又 由于 个 股 走 势 与大 盘 指 数 的 变化 是 具 有一 定 联 系  
的 ,因此 得 到 股 票价 格 预 测 模 型  如 图 1所 示 。   2 神 经 网络 模型  输  出 _ 神 经 网 络 是 由处 理 单 元组 

目前 .对 股 票价 格 趋 势 预 测 有 两 种方 法  基 本 分析 法和 技 术  分 析法 。基 本分 析 法 ,就 是尽 可 能 的 找 出所 有 影 响 股票 价 格 波 动 

的 因素 ( 如  国际 经 济 和政 治 局 势 . 国 内经 济 和 政 治局 势 、宏 观  经 济政 策 、公 司 财 务 指 标 .管 理 团 队指 标 等 等 ),建 立这 些 因素  与 股票 价 格 之 间 的模 型 .对股 票 价 格 进行 预 测 :这 种 方 法有 很 强 
的 理论 根 据  但 是 我 国 金融 市 场 中广 泛存 在 的 炒 作 现 象经 常 使 股  票 的价 格 严 重背 离 其 基 本价 值  使 基 本 分 析在 实 务 中被 认 同的 程  度 不 高 。技 术 分 析 法  就 是 从 证 券 市 场 的 历 史 数 据 .通 过 图表 、   x  l

成 的一 种 并行 的分 布式 信 息 处 
理 结 构 ,处理 单 元 之 问 由单 向  信 道 相 互 连接 。人 工神 经 元 是 

输 层 神经 网络 的基 本 计 算单 元 ,模  ^
拟 了 人 脑 中 神 经 元 的 基 本 特 

图 2 神经网络模 型 

征  一般 是 多 输入 / 单 输 出的  非线 性 单 元  可 以有 一 定 的内 

技 术指 标 等 寻 求股 票 价 格 变化 的 规 律 进行 预 测 。 这 种 方 法假 设 基  础 是  证 券 的市 场 行 为 已经 包 括 了宏 观 、微 观 经 济 的 一 切信 息 .   价 格 总是 按 照某 种 运 动 趋势 运 动 .价 格 的运 行 方 式 往 往会 重 复 历 
史 。国 内学者研 究表 明  中国股市 存在 非线 性与 混沌 。根 据 T k n  a es 3 蚁 群神 经 网络  ( ) 群算 法  1蚁

部 状 态 和 阀值  图 2 所 示 为本 文 使 用 的神 经 网 络 模 型 。  

定 理可 知  只需 单独 考察 股 票市 场 的价 格 时间 序列 . 便 可 获 得其  背 后 的动 力 系统 。 因而 可 以通 过 股 票 价格 时 问序 列 重构 股 票 市 场 
非 线性 动 力系 统  给 定一 组 股票 价 格迭 代 序列 ,构造 非 线 性映 射 ,   最 后 得 到股 票价 格 预 测 模 型 。   传 统 的股 市 技 术分 析 法 如 K 线 图法 .移 动平 均 线 法 对股 价 的  

蚁 群 算 法 是 一 种 基 于 模 拟 蚂 蚁 群 行 为 的 随 机 搜 索优 化 算 法 。   蚁 群算 法 充分 利 用 了蚁 群 的优 化 机 制 : 择 机 制 ( 泌物 越 多 的路  选 分 径  被 选 择 的概 率越 大 ) 、更 新机 制 ( 径 上面 的分泌 物 会 随蚂 蚁  路

的 经 过 而 增长  而 且 同 时也 随 时 间 的 推移 逐 渐 挥 发 消 失 ) 、协 调 
机制 ( 蚂蚁 问实 际上 是 通 过 分泌 物 来互 相 通 信 、协 同 工作 的 ) 通   

预 测 不够 理 想 。 而神 经 网 络 在 非线 性 建 模 中具 有 优 势 ,不 必 建 立  过 个 体 之 间的 信 息 交流 与相 互协 作 最 终 找 到最 优 解 ,使 它 具有 很 

复 杂 的数 学模 型 即可 完成 预测 。 在神 经 网络 算 法 当 中 ,B P算 法应 
由于 8 算法 权 值 的 调 节 采 用 的是 负梯 度 下 降 法 .容 易 陷 入局 部    P

强 的 发现 全 局 最优 解 的能 力 。 文 献 的计 算 实 例表 明该 算法 具 有 良   ( ) 群算 法 训 练神 经 网络 的 过 程  2蚁 将 蚁 群 算 法 用 于 训 练 前 向 神 经 网络 ,可 按 以 下步 骤 进 行  ① 系统 初 始 化 ,包 括 系统 参 数 的设 定 以及 初 始 蚁 群 的产 生 。   ②分 别 对 每 只 蚂 蚁 的 第  个 分 量 进 行 子 区 间 信 息 量 的 更新 :   以及在 子 区间 候选 组 中进行 遗 传操 作 ,生 成第 『 个分 量 的新值 。然 
后 计 算 m 只 蚂 蚁新 解 的 函数 值 。   ③修 改各 条 边 上 的信 息 量 .更新 候 选 组 ,取 函数值 小 的 n m     u ④如 果蚁 群 全部 收敛 到 一 条路 径 .或达 到 结束 条 件 ( N ≥ 如 c  

用很 普遍 ,有 很 多 文献 已 经 将其 应 用 在 股 票价 格 的 预 测 中 但是  好 的 克 服 局 部 极 值 、取 得 全 局 极 值 的 能 力 。     极 小 点 .收 敛 速 度慢 。 因此 .本 文利 用 蚁 群算 法 训 练 人 工神 经 网  络 的权 值 ,再 将 蚁群 神 经 网 络 用于 股 票 价 格 的短 期 负 荷 预测 ,提  出 了一 种 蚁群 神 经 网 络 预 测模 型 ,提 高 了 8P神 经 网 络 预测 模 型    的精 度 。  




蚁 群 神 经 网络 预 测 模 型 

1 股 票价 格短 期 预测 模 型 

  股 票 的 价格 是 按 时 间 的 先后 顺 序 采 集 的 .由于 影 响 股 市 交 易  个 解 将 其 各 分 量 值 插 入 相 应 的子 区 间 的 候 选 组 中

的 因素 很 多 .比 如银 行 的利 率 、 国 家政 策 、物 价指 数  上 市 公 司   确 定性 ,是 一 个 非 线 性 时 问 序 列 。   股 票 价 格 
是 一 个 一 维 时 
前 1 每天 i 周 时刻的股 票价格  络 蚁  预 群  测 神 

的业 绩 以及 人 们 心理 的影 响 .股 价 的 时 间序 列 表现 出复 杂 性 和不  N ma ) c × .则循 环 结束 ,输 出最 佳 解 .否则 .转步骤 ( )  2 。 4 蚁神 经 网 络 的具 体 实现 
f)   基本 思 想及 参 数定 义  1

首先 .每 只 蚂 蚁 代表 一 个 前 向 神 经 网络 .前 向神经 网络 的 欲 
来 采1 i 天 时刻 的价 

间 序 列 , 本 文 
使 用 文 献 构 造 

J 前3   天大盘 i 时刻 的狺 薮 

模 经 
型 网 

寻 优 变量 X为 两个 权值 矩 阵 { }{“ .   ,v} 和两 个 阀值 向 量{ o,  }  }{ .  

的 多 输 入 单 输 

圈 1股 票价格短 期预j模 型  掰

X即 为一 只蚂 蚁 的 解 向量 。 然后 .利 用蚁 群 算 法 对分 析 指 标 函数  F( ( 数 的表 达 式根 据 具 体情 况 定 义 ) 进 行寻 优 操 作 ,直 到 满  X) 函

《 场现 代化  20 商 0 8年 2 ( 月 下旬-J 第 51期  l)总 : l   3

维普资讯 http://www.cqvip.com

财 经 论 坛 
足 给定 停 止条 件 ( 比如 : x) 达 到 规 定训 练 次 数 )为止 。 F( 或   () 2 实现过 程 

数 作 为解 分 量 x 的值 ,跳过 选 择 、 交 叉  变 异遗 传操 作 。   ( ) g=1 2 若   ,即候 选 组里 只有 一个候 选值 X 则 跳过 交叉 .选   

进   规定 寻优 变量 x 的各 分 量取 值 范 围 u. ̄ , ,将 的各分 量  择 操作 ,直 接对 这 个候 选值 , 行 变异 操作 。 'v tk | t  1 ] () 3 若g=2 ,即候选 组 里有 两个候 选值  则跳过 选择 操作 ,直  分为口 个子 区域 。设 系统 中有 m 只蚂 蚁 ,我 们将 解的 n个分量 看成 
  n 顶点 ,第 i 顶 点代 表第 i 个 个 个分 量  在第 i 个顶 点到 第 i 个顶  接 对 这 两 个 候选 值 进 行 交 叉 、 变异 操 作 。 +1

点 之 间有 口 条连 线 .代 表 第 i 分量 的取值 可 能 在 口 不 同 的子 区  个 个
间。我 们记 其 中第 J 条连 线 上在 i 时刻 的信息 量 为 。 每只蚂 蚁 要    从 第 1个 顶点 出发 ,按 照 一定 的策 略选 择 某 一条 连 线 到达 第 2个 

( 否则 ,选择 两 个分 量 后 进行 交 叉 、 变异 操作 。 4)   在 选 择操 作 中 ,用 “ 轮 ” 的方 法选 取 两 个值 ,第 j 值 被  赌 个



F,   +

顶 点 ,再从 第 2个顶 点 出发 ,… ,在 到达 第 n个顶 点后 ,在 口 条连  线 中选取 某一 条连 线 到 达终 点 。 每 个 蚂 蚁所 走 过 的路 径 代 表一 个  解 的初 始 方 案  它 指 出 解 的每 一 个 分 量 所 在 的 子 区 间 。   可根 据 下列公 式选 取第 个 分量所 在 的子 区问 号 J ( 即从 第 j 个 
顶点 出 发 ,选 择第 J 条连 线 ) .  

:  

选中的概率为厂 = f 

g 。    
)  ∑
k   =l

在 交叉 操作 中  设 所选 择 的两个 值 为 x. x.其 对应 函数 值分   和  , 别 为 E ,E  且 E<E 我 们 以概率 P 。 行交 叉操 作。 随机 产 生   ,   。 … 进  
p [1 eo】 ’ ,若 P   >P 则进 行 交叉操 作 。取 随机 数 r f ] 交叉结 果值   o , ex

 

/ 

一 = (+  ( 一 (】,若 p     1y :   I ) ) ) ≥
r t+ 1 o( ):  ‘" ,   z v()+
X r  ̄ xjJ。 cx o   i )  (

则 不 进 行 交 叉 操 作 ,取 

其 中 q 均 匀分布 在 ( ,1 内随机 选取 , 是 每个 分 量 的 k 值 0 )    

在 变异阶 段 , 以概 率 P  对 交叉操 作结 果 x… 进 行变异操 作  …。 。
- ( 『  。 『” )   + _×

个子区间中信息量最大的子区间被选种的概率。蜷 a 。   } 得 到 x 。 个分量 的第 k 子区 间为【 ]  a mx l ,     _    第  个   : 【
表 示分 量
内取 值 
p  

的信 息量 最 大 的子 区 间号 。】 如 下概 率分 布 在[ 口   按 1, ]

设 : a  一 m {  一  一 } 产 生 随机数  卜 , ,取  x 靠  ∈1 1 ]

Xo+ k— c ̄  r  


耐  一c¥ 这样可 以保证遗传操作的结  z Xs ,o r
其  它



一  
一  

其 中 ( 表示分量 i   , ) 的第 j 个子 区间的信息量 . 它在 动态地 变化。   为 了确 定 解 的具 体值 .可 在 各 个 子 区 间 已有 的 取值 中保 存 若  干 个 函 数值 较 小 的解 的相 应分 量 作 为候 选 组 . 为 了加 快 收敛 速  果 仍 然 在 子 区间 中。   在 所 有蚂 蚁 都得 到 解 以后 ,按式 ( )和 式 ( 1 2)相 应 地更 新 

  度 .参 考 具有 变 异 特征 的蚁 群算 法 提 出 的具 有 变 异特 征 的 蚁群 算  各 子 区 间上 的信 息 量 。 2 蚁 群神 经 网络 预 测 模 型应 用 实例  法 ,使 用遗 传 操 作在 候 选 组 中确 定 新 解 的相 应 分 量 的值 。 首 先 可  随机 在候 选组 中选择 两 个 值 .然 后对 他 们 实 行交 叉 变换  变异 变 
换 ,以得 到新 值 作 为解 的相 应分 量 。该 候 选组 中的值 在动 态 更新 .  


本 文利 用 了股票 代码 为 0 0 7 0 0 0的股 票在 2 0 年 1 07 1月 5日~  

1   2月 1   3日 的历史 数 据来进 行 建模 、 训练 并验 证 本文提 出的方 法 .  
编程环 境 为 V + 6 0   C +  。

旦 有 一 个更 好 的 解 的分 量 在该 子 区 间 中 .就 用这 个 值 替换 其 中  

的较 差者 。  

为 了便于 神经 网络 的计 算 .首 先对 股 票价 格数 据 X按 ( )式  3

分 在 m 只蚂 蚁 得到 m 个 解后  要根 据 它们 函数 值 的大 小更 新 各  进 行 预 处 理 ,式 中 X为股 票 价 格 值 :a和 b 别 为 X的最 小 、最  大值 。   条 边上 的信 息 量 。 要 根 据 下式 对 各 路 径 上 的信 息 量 作 更 新 
r(+ )  , 1=p-¨,+ l f r( Ar ) ,   () 1 
x-a  
: —


(  3

b  一

其中A , ∑A   q: 《

() 2  

神 经 网络输 入层神 经 元个数 为 8 ,隐 层神经 元 的个数 为 1 ,输    2

△j= r   J  

耦 螂鹋  锸 

舯  


。 

w 为一个 

出层神经元个数为1 。输入向量  =   f 4 7f f 3 7 )   [ ( × ,’ 一 × ,' 一 )  ( f…,

(7 ( 3 f , 卜一 …, f 1) 其中 f 1) 一  ,  ( ,] - f,  ( ,] 一 f 为前j 天第时 刻的    
lr △  示 蚂 虫 嗉 义k在本 次 循 环 中 在 区  
息量 。  

和j 之间 留 下 白 f  勺言 文采 用均 方误 差 E作 为分 析 }标 函 数 F x) 旨 ( ,定 义女 下  口

更区的量分中 子·下部 = (  新间 譬 量第 区则式   I1 子J  选  间按局 l  信  蓉: 个 息 个 1j J-    ,  :.  4
更新 

4  )

)(  =一 1

) ii / , ,, = (。 复 样 + l, 1  }f) f 重 这    m{(   lf r) 『f  ) (

式 中 Y 为预 测价 格值  Y为 实际价 格值 。本例 中蚂 蚁 的数 量   
m = 1   q =  8 0O  


的 迭代 过 程 ,直 至 满 足 停 止 条 件 。  
候 选 组 里 的 遗 传操 作如 下 :  

W = 1 :p=0。  

对1   2月 1   4日 的预测 结 果如 表 所示 .从 中可 以看 出 .蚁 群 神  ( ) 候选 组 里 的候 选值 的个 数g :0,既候 选 组 里没 有候 选  经 网络 预 测 模 型 的预 测 精 度较 BP神 经 网络 预 测 模 型有 较 大 的提  1若   高 .并 且 前 者 的实 际 运行 速 度 明 显快 于 后 者 。 图 3 中 ,蚁群 神 经 
网络 预 测模 型 的百 分 误 差 变 化 也较 均 匀 。  

值 时 产 一 l u 1  ,m一+× ) 的 即  此 则 生 个 , — × m O    l 随   + ) , , 问

“ 商场现代 化  20 0 8年 2月 ( 下旬: )总 第 5 1 F I j 3 期 

维普资讯 http://www.cqvip.com

财 经 论 i  云
表 20 0 7年 1 2月 1   4日每 1 0分钟 股票价格 预测结果  实际值 
时间 
9: 3   0
9: 4   0

蚁群神 经网络预测模 型 
9 55    
9 7  6  

B P神经网络 预测模型 
9 0  6  
9 O  7  

(   预测值 ( ) 绝对误差 (   琐测值 ( ) 绝对误 差 (   元) 元   %) 元   %)
9 l  5  
9 9  5  

04   2
0 8    

09   5
l 5  l  

: 金融监管与对外开放关系研究  
.  

9: 5   0 t: O   O O l : 1  0 0 0 2    O t: 3   O 0 l:4  0 0

9 8  5   9 7  6   9 9  7   9 O  7   9 7  6   9 2  6  

9 68     9 4  7   9 3  8   9 6  7   9 4  7   9 0  7  

1 5  0   07   2 0 4l     O6   2 07   2 0 8   3

9 3  7   9 2  8   9 0  9   9 8  8   9 5  8   9 9  7  

l 7  6   l5    5 l l    2 8  6 l8    6 l 7  7  
. 

籀 张 留成
[ 摘

河南 质量 工程职 业学 院 

要 ] 良好 的金 融秩 序 是现 代市 场 经 济稳 定健 康 发展 的 重 

要保证 。本文从经 济全球 化的背景出发,对我 国在特殊时代的金 
融 监督 所 面 临的 严峻 挑 战 作 了深 入 而 详 实 的 分析 ,并进 而 对我 国  
金 融 监 管立 法所 含 的 缺 陷提 出 完善 建 议 。  

l:5  0 0
1l O   : 0 l1 1   : 0

9 6  5  
9 l  6   9 5  6  

9 l  7  
9 4  7   9 6  7  

l 7  5  
【3   _5 1 l    4

9 3  8  
9 8  8   9 4  9  

28   2
2 8l     3 Ol    

ll 2   : O
11 3   : 0 l:l  3 O l:2  3 O l:3  3 0 t: 4   3 0

9 4  5  
9 8  5   9 4  6   9 O  7   9 2  7   9 0  8  

9 3  7  
9 6   8 9 0  6   9    64 9 7  6   9 7   6

l 9  9  
l 4  0   0 4l     O6   2 0 5l     0 4L     

9 6  8  
9 9  7   9 0  8   g 2  8   9 5  8   96   0

33   4
2 9  l   16    6 l2    3 l 4  3   2 4  0  

。  
● 
。 

[ 关键 词 ]金 融 监 管

经 济 全球 化

挑 战 

金融 监 管 《i n i R gl i ) 即政 府 对 金 融业 的管 理 和规  F ac l eu t n . n a   ao 制 . 体 说 来 是 政 府通 过 特 定 的 机构 依 法 对 金融 机构 和金 融 交 易  具 活 动 实施 管 理 和 规 制 ,以促 使 金 融市 场 稳 健 运 行 的 一 系列 行 为 的  总 和 。 其 所 形 成 的 法 律 关 系被 称 为 “ 金融 监 管 关 系 ” ,即 政府 金 





l 3:5   0
l 4: O   0 l 4: l   0 l 4: 2   0

97   O
9 5  6   96   7 97   6

9 7   4
9 7   2 97   5 96   6

0 62    
0 73     0 3  8   l O2    

9 6  5  
98   0 98   6 99   0

l 4  4  
l 6  5   L 6  9   l 3  4  




融监管机构对金融机构 、金融市场 .金融产 品及金融 交易的监督 

l 4:3   O
l 4: 4   0
1 4:5   0


98   2
97   8

97   6
97   0

0 l  6  
0 82    

99   2
g8   6

l 2  0  
0 2  8  

98   0
98   5

97   4
98   0

0 61   .  
O    5L  

99   0
99   8

l 2  O  
l 2  3  

l 5: O   0

K 现化2年 (刊总5   商 代》8 月下 )第1o  场 02 旬 3 0 期


相关文章:
基于神经网络的股票价格走势预测及其MATLAB实现——论文
基于神经网络股票价格走势预测及其MATLAB实现——论文_数学_自然科学_专业资料。使用BP神经网络预测股价,matlab实现基于神经网络股票价格走势预测及其 MATLAB 实现 摘...
基于Bp神经网络的股票预测
理论与人工神经网络相结 合,针对股票市场这一非线性系统,运用 BP 神经网络,研究基于历史数据分析的股票预测 模型,同时,对单只股票短期收盘价格预测进行深入的理论...
神经网络及蚁群算法
神经网络,蚁群算法神经网络,蚁群算法隐藏>> 遗传算法与神经网络蚁群算法 信计 092 朱伟 200900901071 遗传算法,是模拟达尔文生物进化论的自然选择和遗传学机理的生物...
智能计算实验一股票预测JAVA版
智能计算实验报告 学院: 班级: 学号: 姓名: 成绩: 日期: 实验名称: 题目要求: 题目要求: 神经网络股票价格走势预测 基于 JAVA 的 BP 神经网络股票价格走势预测...
神经网络用于性能预测
神经网络用于性能预测神经网络用于性能预测隐藏>> 神经网络用于性能预测(MATLAB) >> P=[5486 12353 20580 31555 45014; 12353 20580 31555 45014 58653; 20580...
matlab神经网络预测程序(自己编的可用)
matlab神经网络预测程序(自己编的可用)_信息与通信_工程科技_专业资料。Matlab 自身带有神经网络的工具包,这个程序是我在实战中运行通过的,通过对原始 数据的学习,...
神经网络预测方法
五、截止到目前,各类文献所见的基于神经网络短期交通流的预测,最小 的预测时间跨度ht.15rain的水平上,对更小的预测周期,神经网络预测的适应 性、精度如何,还有...
股票价格预测的技术分析方法概述
一、BP 神经网络的应用采用BP神经网络股票价格进行预测,提出了将股票市场上所采用的技术指标作为 神经网络输入变量, 利用逐步回归方法筛选影响股票价格涨跌的指标, ...
基于BP神经网络的预测模型
基于BP神经网络预测模型_理学_高等教育_教育专区。数学建模基于BP神经网络的国际黄金价格预测模型 基于BP神经网络的国际黄金价格预测模型 BP公文易文秘资源网 顾孟钧...
BP神经网络模型预测未来
BP神经网络模型预测未来_数学_自然科学_专业资料。数学建模 BP 神经网络模型预测未来 BP 神经网络算法概述: 简介与原理 BP 神经网络是一种多层前馈神经网络,该网络...
更多相关标签:
神经网络 股票预测 | 股票预测之bp神经网络 | bp神经网络股票预测 | 卷积神经网络预测股票 | 深度神经网络预测股票 | 用神经元网络预测股票 | 蚁群算法优化神经网络 | 蚁群算法 神经网络 |