1、股票在國民經(jīng)濟中扮演著重要角色。對國民經(jīng)濟而言，如何保持股市穩(wěn)定、避免發(fā)生股災(zāi)是我國相關(guān)人員需要考慮的問題。對投資者而言，如何規(guī)避風險，使獲利最大化是投資者日夜思考的問題。因此，對股票價格進行預測從而做出最優(yōu)決定就顯得十分必要。我國的股票市場是一個非常復雜的非線性系統(tǒng)，許多研究人員采用神經(jīng)網(wǎng)絡(luò)的非線性方法進行股票價格預測并取得了不錯的效果。但是使用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)進行股價預測時存在訓練過程復雜等問題。此外，股票價格受多種因素影響，使得股價表

2、現(xiàn)出不同走勢，導致單一模型很難滿足預測要求。同時，大多股價預測模型缺乏地區(qū)行業(yè)通用性，即每次對一只股票進行預測必須為該股票建立單獨的模型，且該單獨模型只包含該只股票的信息，并沒有包含與該只股票處于同一地區(qū)同一行業(yè)的其余股票信息，這使得單獨模型不能涵蓋影響該只股票價格的所有因素，導致預測精度不高，預測過程繁瑣復雜。
　　針對我國目前大多股價預測模型缺乏地區(qū)行業(yè)通用性及神經(jīng)網(wǎng)絡(luò)訓練過程復雜的問題，本文使用ESN建立基于上海地區(qū)房地產(chǎn)行

3、業(yè)的短期股價預測通用模型，簡化了訓練過程，模型訓練好后可預測上海地區(qū)房地產(chǎn)行業(yè)內(nèi)任意股票，且與用某只股票建立的單獨模型相比，該通用模型的預測精度明顯提高。針對短期股票價格預測方法中使用單一非線性模型預測效果不理想，本文在通用模型基礎(chǔ)上提出基于KMeans-ESN的短期股價預測上海地區(qū)房地產(chǎn)行業(yè)通用模型。通過選取不同的聚類指標，本文詳細提出了基于數(shù)據(jù)波動性聚類的KMeans-ESN短期股價預測上海地區(qū)房地產(chǎn)行業(yè)通用模型和基于數(shù)據(jù)波動性及變

4、化趨勢聚類的KMeans-ESN短期股價預測上海地區(qū)房地產(chǎn)行業(yè)通用模型，并將三類模型進行了對比。通過聚類和對比實驗得出ESN、基于數(shù)據(jù)波動性聚類的KMeans-ESN、基于數(shù)據(jù)波動性及變化趨勢聚類的KMeans-ESN這三種模型分別適合的數(shù)據(jù)類型。
　　同時，由于回聲狀態(tài)網(wǎng)絡(luò)很多初始參數(shù)需要預先設(shè)定，而這些參數(shù)設(shè)置需有一定經(jīng)驗的研究人員或通過試湊確定，針對這兩種方法需要人工干預、耗時、效率低等存在的不足，本文使用GSA對ESN模型