1、隨著經(jīng)濟(jì)的發(fā)展和人們投資意識的轉(zhuǎn)變,證券投資已成為現(xiàn)代人生活中的一個(gè)重要組成部分,而相關(guān)證券預(yù)測理論也隨之顯現(xiàn)出重要的應(yīng)用價(jià)值。
　　 證券市場中含有大量的實(shí)時(shí)變化的數(shù)據(jù),影響證券價(jià)格變化的因素是多方面的,具有較大的模糊性,難以建立精確的模型。其系統(tǒng)內(nèi)部結(jié)構(gòu)的復(fù)雜性、外部因素的多變性使證券市場被定位為一種復(fù)雜的非線性動(dòng)態(tài)系統(tǒng)。特別是對證券市場的短期預(yù)測成為了預(yù)測理論領(lǐng)域中的一個(gè)難題,而傳統(tǒng)的時(shí)間序列預(yù)測方法乃至神經(jīng)網(wǎng)絡(luò)的預(yù)測效果

2、均不甚理想。
　　 論文在研究了神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)的優(yōu)缺點(diǎn)的基礎(chǔ)上,將云理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合,建立了基于云理論的證券市場預(yù)測模型。經(jīng)過仿真分析得到了較好的預(yù)測效果,從而證實(shí)了云理論應(yīng)用于證券市場預(yù)測的可行性和準(zhǔn)確性,運(yùn)用模糊理論中隸屬度、云理論中熵和超熵等概念通過神經(jīng)網(wǎng)絡(luò)形成的發(fā)生器對原始變量進(jìn)行了量化定義和分析,為證券投資者提高收益率提供了有利的理論依據(jù)和實(shí)用工具。本文主要內(nèi)容如下:
　　 (1)本文了解了證券市場的主

3、要預(yù)測方法,以及傳統(tǒng)的時(shí)間序列預(yù)測方法的主要弊端是無法對輸入變量的模糊性和隨機(jī)性進(jìn)行處理,使得我們將智能控制引入證券市場。
　　 (2)對神經(jīng)網(wǎng)絡(luò)技術(shù)在證券市場中的應(yīng)用進(jìn)行了詳細(xì)描述,由于神經(jīng)網(wǎng)絡(luò)中不能正確表達(dá)輸入數(shù)據(jù)的模糊性和隨機(jī)性,本文試圖利用模糊神經(jīng)網(wǎng)絡(luò)對其進(jìn)行預(yù)測,通過仿真結(jié)果與實(shí)際市場行為的對比,分析了模糊神經(jīng)網(wǎng)絡(luò)運(yùn)用在證券預(yù)測中的可行性與不足,進(jìn)而嘗試構(gòu)建云理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合的預(yù)測方法,將云理論運(yùn)用到證券預(yù)測中,以

4、克服傳統(tǒng)模糊理論“模糊不徹底”的弊端。
　　 (3)云理論本身是模糊理論的一種發(fā)展,因此保留了對模糊性的把握。同時(shí),運(yùn)用云理論中特有的數(shù)字特征,即期望值、熵、超熵,反映了證券市場中的隨機(jī)特性,把影響證券市場走勢的模糊特征和隨機(jī)特征完全集成到一起,并與神經(jīng)網(wǎng)絡(luò)結(jié)合進(jìn)行輸出,運(yùn)用神經(jīng)網(wǎng)絡(luò)的信息處理系統(tǒng)對證券市場的走勢進(jìn)行單步預(yù)測。預(yù)測結(jié)果與證券市場實(shí)際行為的對比分析反映了該預(yù)測方法短期預(yù)測的良好的預(yù)測效果,云理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合的預(yù)