ARIMA和RBF神經網絡相融合的股票價格預測研究

俞國紅，楊德志，叢佩麗

1.健雄職業技術學院 軟件與服務外包學院，江蘇 太倉 215411

2.遼東學院 經濟學院，遼寧 丹東 118001

3.遼寧機電職業技術學院 信息工程系，遼寧 丹東 118009

ARIMA和RBF神經網絡相融合的股票價格預測研究

俞國紅1，楊德志2，叢佩麗3

1.健雄職業技術學院 軟件與服務外包學院，江蘇 太倉 215411

2.遼東學院 經濟學院，遼寧 丹東 118001

3.遼寧機電職業技術學院 信息工程系，遼寧 丹東 118009

股票投資成為一種重要理財方式，然而股票價格受各種經濟的、政治的、社會的因素相互作用、相互影響，其變化有著很強的無序性，其數學模型往往復雜難以準確確定或者包含混沌性，從而增加了預測的難度[1]。

股票數據一般是按時間的先后順序收集的，可以認為是一種時間序列數據，具有顯著的非線性、時變性特征，人們對于股市的預測研究已經進行若干年，并提出許多的預測算法[2]。常用股票預測方法有線性回歸、時間序列分析、灰色預測算法、神經網絡、支持向量機等[3-5]，其中時間序列分析中的差分自回歸移動平均（Autoregressive Integrating Moving Average，ARIMA）相當靈活，融合了時間序列和回歸分析優點，在股票應用中最為廣泛。ARIMA假定股票價格是一種確定、線性變化系統，然而實際上股票價格是一種非線性、時變的時間序列數據，因此ARIMA預測結果不理想[6]。單一預測模型只能反映股票價格片斷信息，難以全面挖掘股票價格數據中隱藏的變化規律，預測結果與股民、投資人的要求有一定的差距，組合模型較大限度地綜合利用各種模型所提供的信息，盡可能提高預測精度，尤其在經濟、管理和統計研究領域，各種組合預測方法已成為改進和提高預報精度的重要途徑[7]?！?br>