论文部分内容阅读
针对股票数据规模庞大、结构复杂、多噪声和高度模糊非线性等特点而导致的预测难问题,利用人工智能算法BP神经网络的误差反向传播机制建立了一个以历史开盘价、收盘价、最低价、最高价、成交量、成交额和涨跌幅为输入变量,未来股价为输出变量的自适性相对优良的预测系统,通过MATLAB软件实现了自2002年1月7日至2016年6月22日股价预测模型的建立,并且对预测结果与实际结果进行了误差分析,得出了BP神经网络可以在短期内为股价预测提供一定借鉴和指导的结论.