摘要：本文在对股票投资的各项指标进行分析论述的基础上，通过运用3层LMBP(LEVENBERG-MARQUARDT BACK PROPAGATIO...本文在对股票投资的各项指标进行分析论述的基础上，通过运用3层LMBP(LEVENBERG-MARQUARDT BACK PROPAGATION)神经网络模型和GA-LMBP(遗传算法优化LMBP神经网络)实现计算机仿真建模，该方法具有快速收敛、较好的泛化能力，期望本系统能辅助投资者投资决策。为了提高预测精度，利用遗传算法优化LMBP的初始权值和阀值，通过对历史样本数据进行学习，确定网络结构。采用不同的网络性能函数代替传统的误差平方和，并得到较好的效果。
选取数据时间主要在2000-2005年的股市数据，并进行对比，筛选，得到较为理想得原始数据。由于原始数据在数值上有量纲得差别，为了避开原是数据各项指标得影响作用不同，进行了较为合理得规范化处理，将原始数据归一化。运用LMBP和优化后的LMBP算法对上证指数、上海板块25支股票收盘预测和上证A股的四支股票进行涨跌预报，对他们的预测结果进行比较分析和说明。鉴于大多数学者主要对股票中长期预测，而本文侧重评价股票市场交易情况的中短预测。通过数值实验的结果与实际结果比较表明，表明本文采用的方法取是可行的和有效的。由于股票受到众多因素的影响，缺乏经济学相关知识，同时原始数据处理和预测方法等还不完善，所以预测结果与期望结果还有一定差距，有待于进一步的改进。显示全部
