股票投资的模型分析与优化方案

1、 股票投资的模型分析与优化方案 纪传旺(1999-)，男，汉族，山东德州人，山东理工大学本科在读，车辆工程专业；李岩(2000-)，男，汉族，山东潍坊人，山东理工大学本科在读，交通工程专业。摘要：每天的股价会随着许多因素的变化而波动。本文采取bp神经网络的算法与模型来预测股票价格的波动情况，再利用线性规划中投资的收益与风险模型来解决投资策略问题。同时为了解决评估模型的准确性的问题，引入风险度、总收益率这两个指标，再依据十支股票的重要数据进行验算，来评估建立的模型。关键词：bp神经网络；收益与风险模型1.问题背景一直以来，股票以高风险、高收益并存的特点越来越受到人们的青睐。人们普遍希望找出股票价

2、格涨跌的内在规律，继而准确预测股票价格的走势，做出相应的策略，达到减少风险，获得更高利润的目的。但是由于股票价格波动幅度大，并受很多因素影响，国家的方案与政策、外国的市场与环境、全球金融危机、发行人的事故等因素都将会对股票市场价格的变动造成较大影响。现代投资者对准确的方案预测需求变得更加强烈，因此对预测方法的探索就变得十分重要。12.思路分析经过对十支股票数据的分析，bp神经网络能够较为准确的对历史样本进行不断地学习、找寻规律，因此选择应用bp神经网络进行股票价格样本的学习，并最终进行预测。利用现有资源来取得最大经济效益的问题，可利用线性规划中投资的收益与风险模型来解决。4引入风险度、总收益率

3、这两个指标，再依据十支股票的重要数据进行验算，来评估建立的模型。3.模型建立与求解以获得的10支股票的开盘价、最高价、最低价、收盘价以及成交量的数据进行分析，引入bp神经网络的算法进行模拟训练，从而预测表格中缺失的数据。bp神经网络算法的过程是，学习过程由信号的正向传播与误差的反向传播两个过程组成。训练过程一直进行到网络输出的误差减少到可接受的程度或进行到预先设定的学习次数为止。23.1 确定参数股票的价格波动不仅受当天各种因素和指标的影响，还受前几天甚至前一段时间的股票价格、成交量等因素的影响。因此将历史3天的开盘价、最低价、最高价、收盘价和成交量作为输入参数3，第二天的开盘价作为输出参数，

4、再利用bp神经网络训练学习开盘价、最高价、最低价、收盘价与成交量的关系，从而预测出第二天的成交量。3.2 归一化处理股票价格偶尔会有较大的波动，这样的特殊情况会给神经网络学习带来较大的负面影响，因此应用最大最小法进行归一化处理，减小特殊情况的影响。3.3 隐含层节点数确定隐含层节点数的多少关系神经网络的精确程度和复杂程度。可以用一些确定隐层节点数的经验公式3作为初始值作为确定隐层神经元数目大致的参考：m=上式m为隐层节点数，n 为输入层节点数，l为输出层节点数，a 为 l10 之间的常数。在本论文中采用公式的算法来确定隐层节点数的大致范围，然后根据反复试验确定具体的数目。3.4 bp网络结构确

5、定本文采用matlab2019b的bp神经网络工具箱来进行仿真试验。用newff创建 bp神经网络,设置3个隐含层,隐含层节点数确定为14。网络隐含层神经元传递函数和输出层神经元传递函数都是tansig，训练函数为traingda，最大训练次数为 5000 次，学习率为 0.15，目标精度为 0.005。3.5 数据选取选取每只股票所有数据的70%作为训练样本，15%作为验证组，另外15%作为测试组，由于第9、10支股票的成交量没有缺失，我们同样进行预测来验证我们方法的准确性。3.6模型求解经过对十支股票走势的分析，第三支、第十支一年中的股票走势持续降低，所以在选择股票投资时，首先把这两支剔除

6、掉，在剩下的8支股票中进行合理组合选股。设定，某用户的总准备投资的成本为m,可供选择的8支股票为xi（i=1，2，3），投入xi的资金为xi，这8支股票中在这一时期内购买xi的平均收益率为ri，风险损失率为qi。一般来说投资越分散，总的风险越少，总体风险可用投资的xi中最大的一个风险来度量。交易费率y通常由买卖一次股票的手续费1（买进佣金）+1（卖出佣金）+1（卖出印花税）组成，即本文定为y=3。则该模型可以解释为：设计一种投资组合方案，即用给定资金m ，有选择地购买若干种股票使净收益尽可能大，使总体风险尽可能小。平均收益率的计算公式为：平均收益额/平均投资额*100%，风险损失率的计算公式为

7、：损失额/发生事故的件数*100%，依据股票低价时买入、高价时卖出的原则进行收益、风险的计算，得出8支股票的数据。总体风险q用所投资的xi中最大的一个风险来衡量，即q=max qixi|i=1, 2, n交易费j=y*xi 则，购买xi股票的净收益si=（ri-qi）xi，要使净收益尽可能大，总体风险尽可能小，这是一个多目标规划模型。目标函数为minmaxqixi约束条件为 0,i=0,1,2,n在实际投资中，投资者承受风险的程度不一样，给定风险一个界限a，使最大的一个风险 a,确定合理的投资方案。这样把多目标规划变成一个目标的线性规划。通过固定风险水平、优化收益来确定合理的投资方案:minm

8、axqixi a , 0,i=0,1,2,n由于 a 是任意给定的风险度,不同的投资者有不同的风险度。我们从a=0开始，以步长a=0.001进行循环搜索，利用matlab编制程序求解结果，得出投资方案：风险度a=0.018，收益率为0.20766，以及各股票的投资比例。3.7结果分析（1）利用bp神经网络进行求解，其过程中应用到部分数据进行测试、验证，以第一支股票为例，神经网络预测的误差在2%以内，基本可以确定方法的正确性。图1预测误差（2）为评价模型合理选股组合投资的正确性，用风险度a和收益率w作为评价指标，通过对风险度和收益率关系的控制，可以找到风险度较低但收益率较高时的点，此时对应每支股

9、票的比例的即为组合投资的比例。4.结论1.使用bp神经网络模型进行预测数据，这样可以基于机器学习来完成对股票的预测。2.由于股票的价格波动受到很多因素的影响，经过神经网络预测并不能很好的预测到价格的涨跌，可以应用时间序列的小波分析来预测股票的波动。一种具有时-频多分辨功能的小波分析5为更好地研究时间序列问题提供了可能，它能清晰地揭示出隐藏在时间序列中地多种变化，并能对系统未来发展趋势进行定性估计。从而确定合理的投资建议和策略。参考文献：1季阔.基于bp神经网络的股票价格走势预测d.郑州大学,2018.2王亿楷,赖国明.bp神经网络的改进及其在股票预测中的应用j.韩山师范学院学报,2008,29(06):39-43.