1、股市在金融市場中占據(jù)著不可替代的作用，而反應(yīng)股市總的走勢是股指。股指的走勢是監(jiān)管部門對股票市場合理調(diào)控和針對性監(jiān)管的依據(jù)，同時股指的走勢能讓投資者更正確認(rèn)識和把握我國股票市場波動的混沌規(guī)律，并且它可以為投資組合等重大課題提供一些實(shí)際依據(jù)。因此，如何對股指進(jìn)行準(zhǔn)確預(yù)測就具有非常重要的意義。
　　由于股指的影響因素眾多、波動幅度較大，因素間具有高噪聲和非線性等諸多特征，傳統(tǒng)的股票價格預(yù)測方法無法消除數(shù)據(jù)的高噪聲。因此，為了提高股指預(yù)測

2、精度，在前人研究的基礎(chǔ)上，本文做了如下的研究：
　　本文首先綜述了影響股指走勢的相關(guān)因素，在此基礎(chǔ)上，本文選擇了21個宏觀經(jīng)濟(jì)指標(biāo)和6個輿情指標(biāo)，構(gòu)成了27個變量指標(biāo)，隨后研究了這些變量與滬深300指數(shù)收盤價之間的相關(guān)性，并對27個變量指標(biāo)進(jìn)行主成分分析，將27個變量指標(biāo)降到6個維度，從而消除各因素之間的冗余性。其次，基于神經(jīng)網(wǎng)絡(luò)的股票價格預(yù)測的相關(guān)研究，本文采用 NARX神經(jīng)網(wǎng)絡(luò)對股指進(jìn)行預(yù)測。本文構(gòu)建了一個基于主成分分析(PC

3、A)的NARX神經(jīng)網(wǎng)絡(luò)股指預(yù)測模型(PCA-NARX)，并用Levenberg-Marquardt算法、Bayesian-Regularization算法、Scaled Conjugate Gradient算法三種算法對模型進(jìn)行訓(xùn)練。最后，利用PCA-NARX模型對滬深300指數(shù)數(shù)據(jù)進(jìn)行驗(yàn)證性測試和分析，且將PCA-NARX模型與NARX模型的研究結(jié)果進(jìn)行對比分析。
　　論文研究結(jié)果表明：不同的算法求解的效果存在差異性，但是整體對