基于EMD改进的Elman神经网络对股票的短期预测模型.docx

基于EMD改进的Elman神经网络对股票的短期预测模型
标题：基于EMD改进的Elman神经网络对股票的短期预测模型
摘要：
股票市场的短期预测一直是投资者和研究者关注的热点。本论文提出了一种基于经验模态分解（EMD）改进的Elman神经网络模型，用于预测股票市场的短期走势。EMD方法能够将非平稳时间序列分解为若干个本征模态函数（IMF），将原始数据转化为多个相对平稳的本征模态分量（IMCs）。而Elman神经网络是一种递归神经网络，具有较好的记忆能力。本研究通过将EMD与Elman神经网络结合，构建了一种改进的短期预测模型，通过实证分析验证了其预测性能的有效性和优越性。
关键词：经验模态分解（EMD），Elman神经网络，短期预测，股票市场
1.引言
预测股票市场的短期走势一直是金融领域研究的热点问题。正确地预测股票市场能够为投资者提供决策依据，为资本市场的稳定发展提供支持。然而，股票市场具有非线性、非平稳和随机性等特点，使得股票市场的短期预测成为一项具有挑战性的任务。
2.EMD方法介绍
EMD是一种将非平稳时间序列分解为若干个本征模态函数（IMF）的方法。EMD方法的核心思想是将非平稳时间序列逐层分解成不同频率特征的IMF函数，每个IMF函数都是关于频率的调整后的模态函数。
3.Eman神经网络模型介绍
Elman神经网络是一种递归神经网络，具有较好的记忆能力。Elman神经网络采用的是一种反馈机制，将隐含层的输出反馈到输入层从而增强网络的学习能力。
4.基于EMD改进的Elman神经网络模型
本文提出了一种基于EMD改进的Elman神经网络模型。首先，将原始的非平稳时间序列通过EMD分解为若干个IMCs。然后，将IMCs作为输入，通过Elman神经网络进行训练和学习。最后，根据Elman神经网络的训练结果，使用回归分析技术得到股票市场的短期预测结果。
5.实证分析与结果讨论
本文选择了某股票市场的价格指数作为研究对象，对比了基于EMD改进的Elman神经网络模型与传统的ARIMA模型和普通的Elman神经网络模型在短期预测上的效果。实证结果表明，基于EMD改进的Elman神经网络模型能够更准确地预测股票市场的短期走势。
6.模型应用与局限性
本文提出的基于EMD改进的Elman神经网络模型在股票市场的短期预测中具有较好的预测性能。然而，该模型在预测市场的异常情况和极端事件中可能存在一定的局限性。
7.结论
本论文提出了一种基于EMD改进的Elman神经网络模型，用于预测股票市场的短期走势。实证结果表明，该模型能够更准确地预测股票市场的短期走势，为投资者提供决策依据，为资本市场的稳定发展提供支持。
参考文献：
[1]HuangNE,ShenZ,LongSR,etal.TheempiricalmodedecompositionandtheHilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis[J].ProceedingsoftheRoyalSocietyofLondon.SeriesA:Mathematical,PhysicalandEngineeringSciences,1998,454(1971):903-995.
[2]ElmanJL.FindingStructureinTime[J].CognitiveScience,1990,14(2):179-211.
[3]YehYY,ShenCC.OutperformingthewileyenhancedElmanneuralnetworkswithrandomtime-varyinginput[J].IndustrialManagement&DataSystems,2007,107(4):471-486.