需要金币： 1000 个金币 |
资料包括：完整论文 |  |
 |
| 转换比率：金额 X 10=金币数量， 例100元=1000金币 | 论文字数：10623 |  | |
| 折扣与优惠：团购最低可5折优惠 - 了解详情 | 论文格式：Word格式(*.docx) |  |
摘 要
分析股票价格作为证券分析行业中重要的组成部分，国外已经有比较完善的数学模型用以研究股票预测。基于业内外人士想利用新技术新手段去分析中国股票市场和预测个股价格的迫切需求，这成为选择本课题进行研究的原因。
分析和比较本文所得到的预测结果，发现对于股价波动比较频繁的复杂系统的这类时间序列，从非线性数据角度进行BP神经网络模型建模要略优于GARCH模型从非平稳序列的角度出发。对于未来类似的时间序列建模，其意义不仅仅在于能预测股票价，更重要的其思想和方法。
本文选择的中国平安股票数据的时间段不受宏观因素的影响，因此，如果选择其他股票数据进行预测，采用GARCH模型和BP神经网络模型进行股票估值时，都需要添加更多条件，进行更进一步的研究。
目 录
1. 前言 4
2. 几种股票预测模型的介绍 4
2.1. 股票估价方法 4
2.2. 数学模型的预测方法 6
3. 时间序列模型（GARCH模型） 6
3.1. 原理介绍 6
3.2. 模型求解 7
3.2.1. 数据收集与预处理 7
3.2.2. 数据处理 10
3.2.3. 模型建立 12
3.2.4. 模型求解及结果分析 13
3.3. 模型检验 14
4. 基于BP算法的神经网络模型 15
4.1. 原理介绍 15
4.2. 模型求解 17
4.2.1. 数据收集 17
4.2.2. 模型建立及求解 17
4.3. 模型检验与改进 19
5. 模型比较 20
6. 后记 21
参考文献 23
致谢 25
附录 26 |
