项目名称: 股票市场预测研究 当前阶段: 对比实验中 小组成员: 黄姗、靳晓乐、马骁

1.项目综述

  • 通过分析股票技术关键指标数据，建立相应模型，实现股票第二天收盘价预测。

2.项目执行情况

2.1 数据处理部分

2.1.1 原始数据来源：数据来自三个证券交易所

  • 上证000001：从1990年12月19日到2016年6月01日
  • 深证399001：从1991年04月03日到2016年6月01日

  • 沪深399300：从2002年01月04日到2016年6月01日

    原始数据结构如下（前3条）：

日期 股票代码 名称 收盘价 最高价 最低价 开盘价 前收盘 涨跌额 涨跌幅 成交量 成交金额
2016/5/31 000001 上证指数 2913.508 2929.076 2909.512 2917.154 2916.616 -3.1083 -0.1066 188386421 2.20E+11
2016/5/30 000001 上证指数 2916.616 2917.135 2822.593 2822.451 2822.593 94.1651 3.33630 215260341 2.37E+11
2016/5/29 000001 上证指数 2822.451 2830.97 2794.661 2809.799 2821.046 1.4049 0.0498 106319589 1.16E+11
  • 原始记录包括日期、股票代码、名称、收盘价、最高价、最低价、 开盘价等。过滤后留下收盘价、最高价、最低价、开盘价和成交量。

2.1.2 股票技术关键指标数据的获取

候选技术指标：

MACD 、 WMS、 RSI、 OBV、 M30、 M10、 K指标、 D指标、 DIF、 DEA、 收盘价

2.2 神经网络拟合模型

2.2.1 神经网络配置

  • 根据选择的技术指标的不同，有不同的输入神经元个数，从5个到11个不等，输出节点为1个，调整隐含层结点进行实验。
  • 激活函数隐含层选用逻辑回归，输出层选择线性回归；
  • 性能评价选用MSE以及准确率；
  • 指定训练集为70%，验证集和测试集均为15%
  • 由以上配置，得到神经网络如下：
  • 图片
  • 如图所示是输入神经元个数为5，隐含层个数为10时的神经网络。

2.2.2 实验结果

  • A.
  • 1、输入指标： MACD WMS RSI OBV 收盘价 M30 M10 K指标 D指标 DIF DEA
  • 2、输出： 第二天收盘价
  • 3、隐含层个数：10
  • 4、拟合结果：
  • 图片
  • 0.01以内的误差准确率：0.495968
  • 0.02以内的误差准确率：0.737258
  • 0.05以内的误差准确率：0.930968
  • 涨跌准确率：0.886485
  • B.
  • 1、输入指标： MACD WMS RSI OBV 收盘价 M30 M10 K指标 D指标 DIF DEA
  • 2、输出： 第二天收盘价
  • 3、隐含层个数：23
  • 4、拟合结果：
  • 图片
  • 0.01以内的误差准确率：0.499355
  • 0.02以内的误差准确率：0.747903
  • 0.05以内的误差准确率：0.948065
  • 涨跌准确率：0.888422
  • C.
  • 1、输入指标： MACD WMS RSI OBV 收盘价 M30 M10 K指标 D指标 DIF DEA
  • 2、输出： 第二天收盘价
  • 3、隐含层个数: 3
  • 4、拟合结果：
  • 图片
  • 0.01以内的误差准确率：0.525484
  • 0.02以内的误差准确率：0.763226
  • 0.05以内的误差准确率：0.938065

  • 涨跌准确率：0.880995

  • D.
  • 1、输入指标： MACD WMS RSI OBV 收盘价 M30 M10 K指标 D指标 DIF DEA </br>
  • 2、输出： 第二天收盘价
  • 3、隐含层个数： 4
  • 4、拟合结果：
  • 图片
  • 0.01以内的误差准确率：0.533065
  • 0.02以内的误差准确率：0.770806
  • 0.05以内的误差准确率：0.958710

  • 涨跌准确率：0.889714

  • E.
  • 1、输入指标： MACD WMS RSI OBV 收盘价 M30 M10 K指标 D指标 DIF DEA </br>
  • 2、输出： 第二天收盘价
  • 3、隐含层个数： 5
  • 4、拟合结果：
  • 图片
  • 0.01以内的误差准确率：0.517419
  • 0.02以内的误差准确率：0.768710
  • 0.05以内的误差准确率：0.955968

  • 涨跌准确率：0.891975

  • F.
  • 1、输入指标： MACD WMS RSI OBV 收盘价
  • 2、输出： 第二天收盘价
  • 3、隐含层个数： 10
  • 4、拟合结果：
  • 图片
  • 0.01以内的误差准确率：0.512289
  • 0.02以内的误差准确率：0.764980
  • 0.05以内的误差准确率：0.945703
  • 涨跌准确率：0.885815

2.3 神经网络时间序列模型Nonlinear Autoregressive (NAR)

2.3.1 神经网络配置

  • 由于采用时间序列模型，故输出层节点个数为1，而选择滞后值d=5，即输入层节点个数为5，隐含层节点个数为10；
  • 激活函数隐含层选用逻辑回归，输出层选择线性回归；
  • 性能评价选用MSE；
  • 训练方法选用Levenberg-marquardt，一种非线性最小二乘算法；
  • 指定训练集为80%，验证集和测试集均为10%
  • 由以上选择配置，得到神经网络如下：
  • 图片

2.3.2 数据拟合结果

（蓝色表示实际值，红色表示预测值）

  • 图片

  • 涨跌幅在1%以内的为54.3%左右，涨跌幅在2%以内的为78.2%左右，涨跌幅在5%以内的为96.2%左右，有一定的参考价值。