运用模糊神经网络智能选股

coolsun

运用模糊神经网络智能选股

来自：MACD论坛(bbs.macd.cn) 作者：coolsun 浏览：6574 回复：28

运用模糊神经网络智能选股
Fuzzy Neural Systems for Stock Selection
F.S.Wong, P.Z.Wang, T.H.Goh & B.K.Quck
Financial Analysts Journal, no. Jan-Feb, p.p. 47-52, 1992
內容摘要
研究動機與問題描述
使用專家系統是金融決策支援系統的新趨勢, 但一般只能處理二值邏輯的資料, 無法處理模糊及隨機資料. 也無法從歷史資料中學習及根據實際的狀況調整誤差. 於是有些研究人員提出使用類神經網路作證券市場預測. 類神經網路可以從歷史資料學習, 也可以根據實際的狀況自動調整誤差. 而作者提出一個新的智慧型證券選擇系統(ISS), 其結合了專家系統, 類神經網路和模糊推論的優點, 能達到更好的效果.
模型特徵與訓練方法
圖一說明ISS的架構. ISS可由專家提供獲得知識, 建立規則庫. 由歷史資料及隨機資料建立資料庫. 將資料庫及規則庫資料送入模糊網路(Fuzzy Net)及類神經預測器,便可提供使用者所需的資料.


圖二更進一步說明本文最重要的Fuzzy Net架構. Fuzzy Net分成三個子部分:歸屬函數產生器(MFG), 模糊資訊處理器(FIP)及逆傳遞神經網路(BPN). 藉由歷史資料MFG產生FIP中Fuzzy neural所需的歸屬函數, 而FIP藉由Fuzzy rule及初始權重, 歷史資料及目標正確資料經過IF THEN推論, 輸出資料給BPN作為輸入資料. BPN則根據輸入資料及目標正確資料進行訓練及測驗, 而使用Delta rule learning algorithm訓練.


測試範例與結果分析
該論文使用800種證券的下列十一種資訊作輸入歷史資料:
最近三年的風險值(beta)
市價與帳面價格比(price-to-book-values ratio)
三年平均市價與帳面價格比(three-year average price/book)
本益比(price-to-earnings ratio)
資產週轉率(asset turnover)
三年平均資產週轉率(three-year average asset turnover)
獲利成長(earnings growth)
Dividend discount model值
邊際利潤(profot margin)
三年平均邊際利潤(three-year average profit margin)
當年盈餘(current-year return)
在FIP中使用32條Company rules, 以預測次年盈餘作為BPN的目的. 表一是以1989年一些證券資料的盈餘預測及實際結果. 這樣的初步結果能被接受. 而後續的研究, 可以考慮以增加更多的歷史資料, 更好的規則及更好的訓練策略來增加正確率.

zouyang

计算机选股比人方便多了。
由于考虑的因素多，因此很多辛勤的专家常年累月地分析数据，选出符合多年经验的一些股票，再重点分析。由于工作量大，精力有限，许多人只能关心部份股票，难以跟踪所有股票。
如果机器协助人们完成了这方面的工作，则专家们可以有更多的时间来研究其它抽象信息。

nasenlove

高
看不懂

xgn

谈谈我们该怎么应用！

feiy821

foxx2

需要验证

xixiawang

92年的文章，过时了吧

金融寡头

老大可以开发个公式或系统什么的

lyy159237

理论好说，电脑编程难

野狐禅

Originally posted by lyy159237 at 2003-11-13 08:15 PM:
理论好说，电脑编程难

使用下列十一種資訊作輸入歷史資料:
最近三年的風險值(beta)
市價與帳面價格比(price-to-book-values ratio)
三年平均市價與帳面價格比(three-year average price/book)
本益比(price-to-earnings ratio)
資產週轉率(asset turnover)
三年平均資產週轉率(three-year average asset turnover)
獲利成長(earnings growth)
Dividend discount model值
邊際利潤(profot margin)
三年平均邊際利潤(three-year average profit margin)
當年盈餘(current-year return)

以預測次年盈餘作為BPN的目的.

这其实没有什么程序要写。只要找得到上面这些数据，再找一个现成的神经网络程序验证一下就可一了。没有必要弄那么多的其他花头的。

jysolo

使用者才是最关键的

野狐禅

Originally posted by jysolo at 2003-11-21 04:09 PM:
使用者才是最关键的

创造者才是关键，因为他要找到可以显著影响将来股票价格的参数。

gggvj

看不懂

fract

这篇论文发表时间较早（1992），但仍有一些参考价值，主要是指思路和方法。至于在我国股市中的应用，则几乎无可能性。主要原因是所列十一種輸入歷史資料，在我国股市中大部分无法获得，免强获得的也不可靠。次要原因是作者提出的智慧型證券選擇系統(ISS), 結合了專家系統, 需由專家提供獲得知識, 建立規則庫。这一思路的实现缺乏可行性。试想一下，能建立一个可行的有价值的專家系統吗？至于模糊神经网络部分，倒不是主要难点。

ibest

?????????

post_deleted

himing

选取一些横盘,上涨,下跌的范例让计算机学习之,抽象出一些规则,然后对当前数据匹配,可以选出一些股票,注意其中一些热门行业的股票,看看形势较好介入.
但总找不到准确的数据用于分析,或出一些意想不到错误.以至出一些令人啼笑皆非的结论,好在这些错误,明眼人一看就知.

kmwzg

有点玄。

spy8091

谈谈我们该怎么应用！