快递邮寄 邮寄地址：浙江省杭州市江赣区下沙高教园杭州电子科技大学  陶雨雨 联系电话：18042009826       引言 　　证券市场是一个资源重新配置的市场，在我们国家经济建设中起着非常重要的作用，和我们广大人们群众的生活息息相关。股价预测有着很大的应用价值，具有动态性、强非线性等特点。人工神经网络是一种模拟人脑神经网络结构，通过对研究对象的不断学习、训练，从而实现预测模型的方法。在股价预测方面，人工神经网络方法可以通过股票历史数据进行学习，从而找出股票价格的规律，实现对股票价格的准确预测。 1.      神经网络模型简介 1.1 神经网络基本概念 　　神经网络模型是一种数学模型，它试图模拟人类大脑的功能。它由大量的人工神经元通过适当的方式互连构成，是一个非线性的自适应系统,用于智能决策和推断。 　　 一个神经网络包括一个输入层，一个输出层以及一个或者多个隐藏层。神经网络的训练过程是，首先构造出网络的基本结构,并初步设定各突触权值，然后利用训练样本计算神经网络的输出值，比较网络输出值与期望输出值之间的误差,然后对各个突触权值进行调整，使得网络输出值与期望输出值之间的误差最小。神经网络模型建好之后，就可以用于对新样本的目标字段进行预测了。神经网络基本单元都是具有计算能力的神经元，神经元模型如下图1 　　 　　 　　 　　 　　                                                                                                                                                          图1   神经元模型 　　其输入、输出关系可描述为                                        ① 　　其中，是从其他神经元传来的输入信号；表示从神经元到神经元的连接权值；为 j个输入的加权和；Ф(.)称为激发函数。 1.2    BP神经网络 目前神经网络有很多种，BP神经网络模型是用的比较多的一种模型。BP神经网络是一种基于有监督的学习、使用非线性的可导函数作为传递函数的前馈神经网络，由信息的正向传播和误差的反向传播两个过程组成，包括一个输入层、一个输出层以及一个或者多个隐层。输入层收到输入信号，传递给中间隐层各神经元，由最后一个隐层神经元传递到输出层各神经元的信息，经过进一步处理，完成一次正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不相符时，进入误差的反向传播过程。误差通过输出层，按照误差梯度下降的方式修正各层权值，向隐层、输入层逐层反传。周而复始的信息正向传播和误差反向传播过程，一直进行到网络输出的误差减少到可以接受的程度。BP神经网络模型包括其输入模型、输出模型、作用函数模型、误差计算模型和自学习模型。 2 .    神经网络模型在股票分析预测中的应用  2.1    初始数据选取  本文拟以A股市场上证综合指数为研究对象，选取2012年1月4日至2013年4月17日期间每个工作日的上证综合指数的相关数据，利用Clementine软件的BP神经网络方法进行建模，对上证综合指数的走势进行分析和预测。在建模过程中，选取的变量为：开盘价、最高价、最低价、成交量、收盘价。 2.2