导 师: 苏越良
学科专业: L01
授予学位: 硕士
作 者: ;
机构地区: 华南理工大学
摘 要:
随着我国证券市场的发展,证券市场作为金融市场的重要组成部分,以其独特的功能和魅力吸引和联结着融资者、投资者和管理者。如何科学、客观、合理的衡量上市公司的投资价值,是监管者和投资者所共同面临和关注的核心问题之一。现有的公司投资价值评价方法中缺乏处理非线性的能力,导致评价结果存在一定的片面性和主观性,近年来以神经网络为代表的现代智能技术开始受到研究人员的高度重视,但是单一的智能算法或多或少的存在一定的缺陷,单一智能技术建立的公司投资价值评价模型不能满足投资价值评价的实际要求,于是技术相互之间的促进与补充便成为自然。本研究采用规范研究与应用研究相结合的方法,试图将粒子群算法引入神经网络,旨在利用粒子群的搜索能力减少神经网络陷入局部极值的可能性,并进一步优化神经网络的结构参数。
本文的研究内容主要包括:(1)系统总结了上市公司投资价值的理论与方法,建立上市公司投资价值评价的基本原则和指标体系,明确利用智能技术改进上市公司投资价值评价模型的基本思想。(2)探讨了单一神经网络、粒子群算法作为上市公司投资价值评价所具有的优势和存在的问题,得出二者在理论上具有技术互补性。(3)深入分析了粒子群算法的原理与过程,研究了单一神经网络和粒子群的拓扑结构与算法程序,建立了基于粒子群的神经网络模型。
研究的成果主要表现为:(1)对上市公司投资价值评理论分析的前提下,提出了一套标准的指标体系;(2)结合粒子群算法和BP神经网络算法的优点,利用粒子群算法优化神经网络模型,构建了粒子群神经网络的综合智能模型。(3)结合因子分析方法,建立了基于粒子群神经网络应用于上市公司投资价值评价模型,并给出了可供操作的算法程序。(4)对比分析了粒子群神经网络模型和传统的BP神经网络模型的评价结果,证明了粒子群神经网络模型的显著成效。
关 键 词: 投资价值评价 粒子群 神经网络 上市公司 证券市场 金融市场
分 类 号: [F832.51 F224.0]