1、股票市場具有高收益與高風險并存的特性,為趨利避險,人們一直孜孜以求,探索其內(nèi)在規(guī)律,尋找有效的預測方法和工具.但是,股票市場作為一種影響因素眾多、各種不確定性共同作用的復雜巨系統(tǒng),其價格波動往往表現(xiàn)出較強的非線性的特征,且股市各因素間相關性錯綜復雜,主次關系變化不定,數(shù)量關系難以提取及定量分析.另外,股市的建模與預測所處理的信息量往往十分龐大,對算法有很高的要求.為此,該文利用EKF(Extended Kalman Filter)算法及

2、其改進算法對神經(jīng)網(wǎng)絡參數(shù)進行辨識.論文的主要研究工作和成果包括以下幾個方面的內(nèi)容:首先介紹了神經(jīng)網(wǎng)絡的基本理論和網(wǎng)絡模型,重點闡述了反向傳播BP模型的工作過程;然后,對Kalman濾波以及擴展的Kalman濾波作了詳盡的說明;在此基礎上,將神經(jīng)網(wǎng)絡與擴展的Kalman濾波結合起來并進行改進,得到了基于擴展Kalman濾波的神經(jīng)網(wǎng)絡學習算法及其改進算法.我們將此算法應用到股票價格預測中,分別運用單步預測和多步預測兩種方法,以浦發(fā)銀行(60