神經網絡方法在證券市場預測中的應用研究

楊　楠

(武漢大學經濟管理學院，湖北　武漢　430072)

?

神經網絡方法在證券市場預測中的應用研究

楊楠

(武漢大學經濟管理學院，湖北武漢430072)

證券市場對國民經濟產生重要的影響，其預測程度影響著對市場走向的判斷。神經網絡是對非線性模型進行分析的重要手段，近些年逐漸興起的經濟研究方法。本文首先對神經網絡的定義和特點進行解讀；然后分析了金融證券市場研究的現狀；接著從BP網絡、模糊神經網絡、組合神經網絡三個方面探究了神經網絡在證券市場預測中的應用；最后客觀地對全文進行總結，具有一定指導意義。

神經網絡；證券市場；預測；應用

證券市場作為市場經濟的重要組成部分，在一定程度上反應了一個國家的整體經濟走勢，所以證券市場預測是近年來各國經濟發(fā)展研究的重要領域。隨著全球經濟一體化的不斷發(fā)展，世界各國愈發(fā)重視證券市場發(fā)揮的作用，而且證券系統的固有規(guī)律始終以某種特殊姿態(tài)影響并改變著人們的生活。在證券體系的建立過程中，價格預測始終是影響證券市場發(fā)展的重要因素，但由于證券系統本身就是一個高度復雜和不易確定的線性系統，因此在對證券市場進行價格預測時經常受不定因素影響，如非流通股可流通的擴容壓力、IPO新老劃斷和經濟增速下降是否導致企業(yè)盈利下降等。神經網絡具有極強的非線性逼近能力和良好的低層次學習能力，在證券系統研究中能夠有效地利用證券市場的固有規(guī)律對結果進行預測，因此有必要探究神經網絡方法在證券市場預測中的重要作用。

一、對神經網絡的定義和特點進行解讀

(一)神經網絡的定義

神經網絡，也稱人工神經網絡，是指由大量連接的簡單的神經元構成的并行分布式處理器網絡。同人腦一樣，神經網絡在一定程度上也具有儲存、運算和使用的功能，或者說神經網絡就是具有抽象性的人腦。神經網絡模型是生物學家根據生物之間的生理反應研究出的一套具有智能信息處理技術的模型，主要功能是利用自身的運算法則從外界接受信息，通過各神經元的傳遞和運算獲取所需要的計算目標的程序系統。

(二)神經網絡的特點

1.較強的適應性

適應性是神經網絡具有的基礎特點，面對隨時可能變化的環(huán)境如何正確處理外部信息是神經網絡系統面臨的重點挑戰(zhàn)，所以神經網絡在設計時就具備了能夠改變自身突觸權值以適應外部環(huán)境變化的能力。在運算過程中遇到因環(huán)境等原因產生變化的數值時，只要事先將網絡的連接權值設置成隨時間變化就可保證神經網絡系統的正常運行。

2.泛化能力

神經網絡之所以能夠較準確對證券市場進行預測，就是因為神經網絡在計算時具有一定的泛化能力。所謂泛化能力是指神經網絡能夠對不在集中訓練的數據進行合理的統計保證數據的準確性，在處理數據時，通常要事先確定數據可能出現的結果以便能夠準確應對因外部因素導致的數據錯誤。

3.輸入輸出映射

機器學習算法是指在運算過程中使用代表號的訓練樣本對神經網絡的聯接權進行修改，并且在輸入過程中要保證每個樣本由唯一的輸入信號和期望所組成，這樣才能保證在整個運算過程中樣本的唯一性。穩(wěn)定狀態(tài)是保證樣本狀態(tài)趨于平衡的重要標志，具體過程可表示如下：在樣本數據庫中隨機選取一個樣本方案傳遞給網絡，然后再由網絡調整它的聯接權值直到網絡達到沒有顯著的突觸權值修正狀態(tài)為止，這是輸入輸出映射獲取穩(wěn)定狀態(tài)的關鍵標志。

二、證券市場及預測研究的現狀

(一)金融證券市場的現狀

金融學是研究經濟動態(tài)與走向的重要社會學科，在經濟全球化、復雜化、多變化的今天，金融學發(fā)揮著越來越重要的角色。國內外的經濟學家都希望通過對金融下證券市場的研究，發(fā)現其潛在的、深層次的價值規(guī)律，從而有效的對未來市場經濟進行有效的科學的預測。然而，各國的經濟學家雖然對此進行了深入的研究，如建立動態(tài)模型、數學模式、運用數據統計學和信息學等，但仍未取得突破性進展，在對市場經濟走向的預測方面存在諸多的不足。由于市場經濟的諸多影響因素，導致市場經濟具有不確定性、不穩(wěn)定性，而傳統證券市場對其研究主要采用的是線性統計學方法，不能達到全方面的預測分析，因此很多線性理論性預測與實際不符。近些年，很多經濟學家和學者發(fā)現采用非線性統計學方法對金融證券市場對其進行分析可以有效地預測。神經網絡是非線性統計學方法產生的一個重要的分支，目前正成為一種新的趨勢。

(二)證券市場預測研究的現狀 根據上面所述，我們能夠發(fā)現傳統金融證券市場所采用的線性預測理論存在很大的缺陷，而非線性理論正在成為一種新的取代方式。證券市場存在諸多影響因素，其中一小部分理論數據的變化可以帶來巨大的影響和后果。如何評定這些影響和結果，需要研究者們不斷地探索，發(fā)現。在對證券市場預測研究中，一部分人認為可以進行有效地預測，認為證券市場經濟具有規(guī)律性可言，而有一部分人認為市場經濟瞬息萬變，沒有預測性。而根據近些年預測人士對其結果的預測取得了很多可觀的成績，因此也獲得了經濟學界的認可。但證券市場的預測仍存在很多不足，有些預測只是短期的、有限的。認為證券市場具有可預測性有兩種觀點，一種是技術派，另一種是規(guī)律派。技術派人士認為可以利用發(fā)生過的歷史規(guī)律，從中找到相應的指標和數據，從而應用到目前的經濟市場預測中。技術派的局限性是依靠經驗，而沒有相應的科學依據。規(guī)律派人士不像技術派完全依靠經驗，他們根據以往數據建立相應的數據模型、經濟模型，其預測結果具有較強的科學性，而其局限是技術方法。目前，非線性研究方法越來越得到可預測派人士的重用和研究，其中神經網絡非線性模型已逐漸被應用，下面主要探究神經網絡在證券市場預測應用進行研究。

三、神經網絡應用于證券市場預測的實證研究

根據上述的介紹，我們了解到神經網絡模型是生物學家根據生物之間的生理反應研究出的一套具有智能信息處理技術的模型，具有較強的適應性、泛化能力以及輸入輸出映射特點，導致神經網絡廣泛應用到證券市場預測當中，其中證券市場智能實時監(jiān)察原型系統是最典型的應用，可以有效的避免證券市場存在的不規(guī)范、不合理的交易，起到規(guī)范證券市場的重要作用。下面，主要介紹三種神經網絡模型，分別是BP網絡、模糊網絡和組合神經網絡，通過三種模型的介紹了解神經網絡如何應用到證券市場的預測。

(一)BP網絡

BP網絡是一種單向傳播的多層向前網絡。隨著網絡技術的不斷探索與發(fā)展，BP網絡作為一種金融證券市場預測的重要網絡技術逐漸被眾多國家認可和接受，BP網絡主要利用最小二乘算法使網絡的實際輸出與期望輸出的均方差最小，從而得到準確的輸出數據。BP作為一種特殊的網絡結構，通常是3層以上的神經網絡，主要包括輸入層、輸出層和隱層。為實現輸入到輸出的任意非線性映射，通常神經元采用的是S函數，這樣只要將輸出量控制在0到1之間，就可以使輸入到輸出的任意非線性映射。BP網絡用于股指預測，可以較好地模擬股市的近期走向，取得較好地效果，然而將BP用于滾動預測效果不理想。這是由于BP網絡是一種單向傳播模型，隨著時間的增加，預測的不準確性就會隨之增加，誤差也會隨之放大，從而導致BP網絡對于股市的長期預測產生局限。

(二)模糊神經網絡

證券市場受到外界的各種影響，因此是一個多變量、多參數、非線性的復雜系統，僅僅依靠線性、簡單數據模型只能得到簡單化的表面結果，無法對其經濟規(guī)律進行深入的剖析與探測。模糊神經網絡基于復雜多變的環(huán)境，采用模糊集理論來模仿人類思維，并且與計算機相結合，旨在解決復雜、非線性的經濟問題。計算機系統采用的是軟計算，與硬計算不同，軟計算采用的是模糊邏輯、神經網絡和概率推算，這種計算雖然比不上硬軟件的精確、準確，但卻能綜合考慮各種因素，得出與人類思維模式相仿的合理推測。模糊邏輯與神經網絡的結合，可以互相促進、相互發(fā)展。模糊神經網絡解決了BP網絡存在的缺陷，達到多層次、全方面的分析，其突出亮點是解決了數據模型的單一處理，達到了模擬人腦的高層次。

(三)組合神經網絡

組合神經網絡是由兩種神經網絡構成，一個是用于樣本學習和預測的主神經網絡，另一個是調整預測值誤差的輔神經網絡。主神經網絡與輔神經網絡的結合可以有效的解決BP網絡的誤差局限性，用于股市的精確預測。這種組合方法，可以消除主神經網絡樣本不足或者學習不充分而導致的誤差，在主神經網絡對信號趨勢進行預測的同時，加以輔神經網絡對其進行校正，從而避免主神經網絡的過度擬合，提高預測的精確性。雖然組合神經網絡可以減少誤差，較單一BP網絡更為精準，但其仍有缺陷，主要不足是組合神經網絡花費時間和金錢較單一BP高，因此這種預測精準度的提升實際上是有一定的代價的。

四、結束語

證券市場反應了一個國家的整體經濟走勢，證券市場預測是近年來各國經濟發(fā)展發(fā)展研究的重要領域。傳統預測方法簡單，采用的是線性預測，但預測缺乏精準性。神經網絡，也稱人工神經網絡，是指由大量連接的簡單的神經元構成的并行分布式處理器網絡，具有較強的適應性、泛化能力、輸入輸出映射的特點，近些年得到國內外經濟學家和證券市場的大力推薦和重視。由于證券市場及預測研究的現狀并不樂觀，各國的經濟學家雖然對此進行了深入的研究，如建立動態(tài)模型、數學模式、運用數據統計學和信息學等，但仍未取得突破性進展。神經網絡應用于證券市場預測的實證研究可以有效的解決預測不準問題，本文主要介紹三種神經網絡模型，分別是BP網絡、模糊網絡和組合神經網絡，通過三種模型的介紹了解神經網絡如何應用到證券市場的預測。

[1]楊晴.神經網絡方法在證券市場預測中的應用研究[D].電子科技大學，2004.

[2]紀滕.基于BP網絡的股票預測研究[D].昆明理工大學，2014.

[3]魏文軒.改進型RBF神經網絡在股票市場預測中的應用[J].統計與決策，2013，15：70-72.

[4]宋彧婕.基于網絡信息的金融市場預測研究[D].電子科技大學，2015.