导　　师： 谢启南

学科专业： B0208

授予学位： 硕士

作　　者： ;

机构地区： 暨南大学

摘　　要： 本研究希望运用人工神经网络技术，探讨考虑基本面因素(如总体经济状况、行业经济状况、公司经营状况)时对个股短期股价预测有无帮助。首先，本研究选择在美国上市的汤姆逊公司股票为研究对象。其次，希望找到合适的人工神经网络，能准确预测个股一周后的股价。本研究采用带延时单元的三层反向传播神经网络。最后，我们选择两套指标分别作为网络的输入变量以比较预测效果，它们是：1、基本面因素(包括总体经济状况、行业经济状况、公司经营状况)和股市实时指标;2、仅采用股市实时指标。 本研究的实证分析表明：1、训练算法Levenberg-Marquardt算法的训练精度高，与共轭梯度算法相比，它们的预测精度没有显著差异;2、隐含层神经元数目多少，与预测精度没有必然的联系;3、在本研究中，对数S型激励函数比正切S型激励函数的预测效果更佳;4、总体经济状况、行业经济状况、公司经营状况都是一定时期的统计数据，只有达到一定积累后才能从统计数据中有所体现。而且个股对总体经济变化的反应不如整个股票市场敏感，所以使用经济指标只适合预测股市的中长期趋势，对于预测个股每周股价变化的短期趋势作用不大。

关 键 词： 人工神经网络 股价变动 股票市场 股市预测

领　　域： [经济管理—金融学]