基于BP神經(jīng)網(wǎng)絡(luò)的工商銀行股價預(yù)測分析

宋彬

作為一個影響因素多樣的非線性系統(tǒng)，股票市場的可預(yù)測性是金融學術(shù)界始終關(guān)注的焦點，預(yù)測模型層出不窮。本文在BP神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，結(jié)合主成分分析和遺傳算法對工商銀行的高頻股票份格進行可預(yù)測研究，結(jié)果發(fā)現(xiàn)預(yù)測結(jié)果良好，平均絕對百分誤差值低至3335%，且預(yù)測的股票價格與實際變化趨勢一致。

可預(yù)測性 BP神經(jīng)網(wǎng)絡(luò)

中國股票市場存在著異常波動、投機型強和制度不健全等現(xiàn)象，為股票市場的可預(yù)測性提供了可能。國內(nèi)外學者聚焦于建立高效合理的數(shù)學模型來解釋并預(yù)測股票市場的變化規(guī)律，那么中國股票市場是否具有可預(yù)測性？該高效合理的數(shù)學模型是否存在？

文獻綜述

現(xiàn)有關(guān)于中國股票市場有效性的研究中，大部分學者認為中國股票市場不是弱勢有效的，即不滿足有效市場假說。俞喬（ 1994）、賈權(quán)和陳章武（2003）、Wen等（ 2010）與Sun和Fang（ 2004）的研究結(jié)果均表明中國股票市場不是有效市場。

中國股票市場不滿足有效市場假說的現(xiàn)狀為研究股票市場可預(yù)測性提供了機會。Liu等（2012）研究發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型良好的擬合和預(yù)測效果為投資者提供了有效的參考價值。王波和張鳳玲（ 2005）運用神經(jīng)網(wǎng)絡(luò)模型和ARIMA模型分別模擬和預(yù)測了股票價格，發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型得到了更精確的效果。

研究設(shè)計

（1）模型構(gòu)建

本文的核心模型是BP神經(jīng)網(wǎng)絡(luò)模型。BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)處理包含兩個步驟：首先，學習樣本正向傳遞由輸入層經(jīng)過各隱含層傳向輸出層，然后，為使函數(shù)誤差值達到最小值，數(shù)據(jù)由輸出層開始反方向經(jīng)過各個中間隱含層，不斷修正各連接權(quán)值達到最優(yōu)擬合效果。

然而，BP神經(jīng)網(wǎng)絡(luò)存在運算速度慢及已陷入局部最小值的缺陷。首先，本文運用主成分分析對原始數(shù)據(jù)進行降維，不僅避免了信息的冗余，而且降低了輸入維度從而加快運算速度。其次，因為BP神經(jīng)網(wǎng)絡(luò)模型采用的是誤差梯度下降，極易陷入局部最小值，遺傳算法通過全局篩選出最優(yōu)值，從而達到最優(yōu)擬合效果。最后本文采用平均絕對百分誤差值（ MAPE）來檢驗預(yù)測效果。

（2）數(shù)據(jù)的選取

本文選取2017年5月的工商銀行（代碼：601398）的高頻分筆交易數(shù)據(jù)進行分析，共20個工作日99623組數(shù)據(jù)，包含時間、成交額、成交量、最低價、最高價和最新價。數(shù)據(jù)來源：國泰安（ CSMAR）高頻數(shù)據(jù)庫。

實證分析

（1）主成分分析

針對6個交易歷史數(shù)據(jù)，本文先利用SPSS統(tǒng)計軟件對數(shù)據(jù)進行相關(guān)分析。結(jié)果表明個別交易指標之間有顯著的相關(guān)性，其相關(guān)系數(shù)高達0.85以上。為避免信息的冗余，進行降維處理后得到兩個主成分。

（2） BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測

首先，將前18個工作日的股票交易數(shù)據(jù)作為訓練段數(shù)據(jù)，最后2個工作日的數(shù)據(jù)則作為擬合段數(shù)據(jù)；其次，借助沈花玉等（ 2008）發(fā)現(xiàn)當隱含層單位數(shù)是11時的網(wǎng)絡(luò)模擬誤差最小，所以設(shè)置隱含層單元數(shù)為11。

再次，整合遺傳算法和BP神經(jīng)網(wǎng)絡(luò)來擬合數(shù)據(jù)，設(shè)置好遺傳算法訓練網(wǎng)絡(luò)的相關(guān)參數(shù)。最后，用檢驗段數(shù)據(jù)檢驗訓練好的網(wǎng)絡(luò)，得到如下的模擬圖3，其中綠色曲線是原始數(shù)據(jù)，而藍色曲線是預(yù)測數(shù)據(jù)。可以看出模擬效果比較良好，預(yù)測價格和實際價格的每時刻變化趨勢是一致的，但是在數(shù)值上有誤差。計算可得該預(yù)測模型的MAPE=3.335%%。

結(jié)論與建議

本文得出以下結(jié)論：從實證模擬結(jié)果可以看出，BP神經(jīng)網(wǎng)絡(luò)模型的擬合預(yù)測效果很好，說明工商銀行的股票價格具備可預(yù)測性，市場參與者可以通過合理有效的數(shù)學模型從中獲利。

提出以下建議：加強和規(guī)范信息披露制度；大力培養(yǎng)機構(gòu)投資者，培育成熟的投資理念；加快運作市場化的步伐，加強股市的創(chuàng)新。

[1]俞喬.（1994）.市場有效、周期異常與股價波動一一對上海、深圳股票市場的實證分析.經(jīng)濟研究（9）.43-50.

[2]賈權(quán)，&陳章武.（2003）.中國股市有效性的實證分析.金融研究（7）.86-92.

[3] Wen， X.， Li， K.， &Liang，L（ 2010）.AWeak-Form EfficiencyTesting ofChina's Stock Markets[J].Third International Joint Conferenceon Computational Science andOptimization.5 14-5 17

[4]Sun， B.B.，&Fang， J.W（ 2004 ）.Atest on wea-kform efficiency ofchina's stock market：

an empiricalstudy based on the profitability oftechnical trading rules[J].Journal ofShanghai University of Finance&Economics， 52-57.

[5] Liu， X.， Ma， X.， Liu， X，&Ma， X.（ 2012） .Based on bp neuralnetwork stock prediction. Journal ofCumculum& Teaching，1（1）

[6]王波，&張鳳玲.（2005）.神經(jīng)網(wǎng)絡(luò)與時間序列模型在股票預(yù)測中的比較.武漢理工大學學報（信息與管理工程版），27 （6），69-73.