基于人工智能算法的股票价格波动规律预测方法研究

基于人工智能算法的股票价格波动规律预测方法研究 从股票交易市场诞生以来，为了提高投资收益率降低投资风险率，不 断有人使用不同方式方法研究股票市场运行规律来预测其未来的波动规 律。然而，由于股票市场的交易受到政治经济形势、金融政策和重大消息 等诸多因素的影响，使得股价走势变幻莫测，想要准确预测股票交易价格 波动规律是一项极其困难的工作。在股票交易市场这个极为复杂的交易系 统中，它所具有的动荡性、非线性、高噪音以及高冗余等因素决定了股票 交易价格波动规律预测的过程的复杂与困难程度，已经存在的预测方法很 难建立有效而又精确的股票交易价格波动规律预测模型。人工智能领域发 展至今，该领域已经有很多成熟的学习算法与模型可以解决高噪音、非线 性等不利条件下的预测问题，如:随机森林算法、支持向量机、BP神经网 络算法、RBF神经网络算法以及深度神经网络算法等。 通过对已有的股票交易价格相关预测模型不足之处的仔细研究，本文 针对股票交易价格波动规律的高噪音、高冗余、动荡性以及非线性等不利 于预测模型建立的因素，提出了一个新的预测模型。具体做法如下:首先 将传统的预测单个交易日股票交易价格涨幅的回归学习问