论文基于matlab实现人工神经网络在股票评级中的应用，该文是关于神经网络硕士论文范文和人工神经网络和股票评级和matlab有关论文写作资料范文.
1 引言
近年,我国股市跌宕起伏,远有2008年次贷危机,近有由于场外配资清理、场内融资和分级基金去杠杆形成连锁反应造成的2015年的股灾,国家推出的“熔断机制”等应对措施也收效甚微.历史总在不断回演,除了其他种种因素外,没有完全发挥出有效性的股票评级无疑是一个重要的因素.
目前,各大金融机构对热门的股票都发布有股票的评级,但不同机构打分方法不同.大部分金融机构根据能反映上市公司的盈利能力、营运能力、偿债能力、资本结构、流以及市场波动性等指标来进行加权评分,但具体使用哪几个指标、指标的权重大小以及运用的预测模型类别及方法都不尽相同.并且,由于业界并没有统一的规定,其评级的分类也不尽相同.大部分证券公司的股票评级一般分为：买入、增持、中性、减持以及卖出.其他公司的股票评级也有：强烈推荐、推荐、谨慎推荐、回避、中性等.但即使评级的称谓相同,其意义也可能不同.因此,对于各大机构股票评级系统的整个流程的研究具有较大的意义,其中运用的预测模型也非常值得探讨.
2 文献综述
在我国,股票评级的出现时间较晚,对其进行研究的时间也不长.陈颖涛（2001）对关于建立股票评级机制提出了探讨,分析了股票评级机制推出的必要性和有效性,列举了建立我国股票评级机制的条件和成熟度,考虑了能够影响股票评分的宏观、微观、企业和股票本身等种种因素,最终对股票市场评级的整体思路作了总结[1-2].廖成林和乔宪
木（2004）将结构模型应用到中国股票市场的股票评级中,建立了中国股票评级的财务结构模型[3].在模型中列举了19个可能影响股票评级的财务指标,分析财务指标之间的关系以及各个财务指标在影响企业经营、盈利以及成长性等状况中的重要性程度,得出股票评级主要依靠未来的成长性的评价结论[4].吴东辉和薛祖云（2005）以国泰君安研究所对上市A股的2001年的盈利预测为样本进行研究,发现证券分析师总体上对上市公司的业绩预测偏于乐观,特别是对亏损企业.彭景滔和吴
薇（2011）选取了10家评级机构,运用市场模型法对香港上市公司股票评级报告进行分析,检验股票评级的投资价值,得出股票评级报告能为投资者带来超额收益的结论[5].
3 研究设计
3.1 样本及指标选取
本文数据从大智慧股票软件平台中选取,该平台汇集了国泰君安、广发证券、中金公司、兴业证券、安信证券以及海通证券等多家证券公司对上市公司的盈利预测、股票评级结果及财务指标等多个数据指标[6-12].本研究模型选用房地产行业的上市公司的股票评级结果及多项财务指标.在剔除数据不全等多家公司后,一共选取了99支房地产行业股票进行研究.其中,股票的评级结果由最近一个月的各大评级机构的评级指标综合计算得出.相对的,财务指标也选取各公司2017年第一季度财报的指标.
输入指标的选取考虑企业和股票本身两大因素,重点为企业的偿债能力、盈利能力、经营能力、企业的资本结构以及反映市场的指标.同时,再结合各大机构透露的指标偏向,本文最终选取了10个财务指标作为股票评级的影响因素.其中,反映盈利能力指标为：基本每股收益、每股净资产、净利润率以及加权净资产收益率；反映偿债能力的指标为：流动比率、速动比率；反映经营能力的指标为：每股流量；反映企业资本结构为：股东权益；反映市场的指标为：市盈率及市净率.本文按照股票一般评级指标作为模型输出：买入、增持、中性、减持以及卖出,并将五个指标分别量化为1分、2分、3分、4分以及5分.
3.2 模型设定
人工神经网络（Artificial Neural Network-ANN）是一种平行分散处理模式,其建构理念基于人类大脑神经运作的模拟[13].其中前向三层BP（Back Propagation）神经网络被认为是最适用于模拟输入、输出的近似关系,其算法较成熟且应用最为广泛,示意图如图1所示.
4 实证分析
4.1 数据
根据研究设计对相关指标进行收集,共选取了房地产行业99家上市公司2017年第一季度财报的10个财务指标作为模型输入数据,最近1个月各大评级机构综合的经过量化后的1个股票评级指标作为模型输出数据,共计99个样本,1 089个样本量.
4.2 分析流程
本文采用三层BP神经网络模型进行研究,模型的三层包括：输入层、隐含层以及输出层.其中,将10个财务指标变量作为模型输入层,输出层为量化的1个股票评级指标,同时,根据反复测试选取的隐含层的神经元为7.最终,采用10*7*1结构模型,神经元函数为Sigmoid特征函数.在研究过程中,训练样本从99个样本中随机选取49个,剩余50个样本为测试样本,将学习率设定为0.1,学习误差设为0.01,利用matlab2017a进行训练,经过多次反复训练后,达到要求,得到构建好的人工神经网络.最后,用构建好的神经网络对测试样本进行测试,将输出结果与原始测试样本结果进行比较,得到预测的准确度.整个研究分析流程具体如下：
①将所有样本数据进行归一化.由于Sigmoid特征函数区间为（0,1）,并且样本各指标单位不同,因此利用线性转换算法将数据进行归一化.其公式如下：
其中,min为x的最小值,输入向量为x,归一化后的输出向量为y.此公式将x归一化至（0,1）区间,适用于特征函数Sigmoid函数.
②使用训练数据创建神经网络.构造三层结构模型,将特征函数函数设为Sigmoid函数,学习率设定为0.1,学习误差设为0.01.将归一化后的训练样本的10个财务指标作为输入层,隐含层节点暂设为9,利用matlab2017a进行训练,得到输出结果,将输出结果与训练样本中的归一化后的股票评级指标进行比较,得到误差.最终,经过11 419次反复训练后,隐含层节点设置为7时,模型达到设定的学习误差0.01,至此神经网络创建完成.此时模型为10*7*1的三层网络结构,其示意图如图2所示,训练结果如图3所示.
由图3可以看到,神经网络训练目标误
差（Goal）为0.01,迭代达到11 419次时,误差达到的最小值Best与Goal重合,迭代停止,训练完成.
③使用测试样本进行仿真,计算预测准确率.将归一化后的测试样本10个财务指标作为模型输入层输入,进行仿真,得到输出结果,将此输出结果进行反归一化后与原测试样本中未归一化的股票评级指标做比较,利用均方误差MSE计算其预测精度,得到误差为0.061左右,误差较小.
5 结论
本文采用人工神经网络算法,从影响股票评级的各大财务指标出发,对各大机构股票评级结果进行检验,旨在使精确度在可接受范围内,尝试实现通过有代表性的财务指标达到准确的股票评级的目的.期间,通过改变训练次数、隐含层节点数等参数变量,得到了较小的误差率,预测准确度适中.BP神经网络模型摆脱了传统方式的局限,突破了依赖线性模型的限制,用非线性模型模拟了实际数据,实现了在股票评级应用研究中方法的创新.但在模型进行多次反复运行预测时,常出现误差率不稳定等问题,且本文也没有对影响股票评级指标进行更精确的筛选.因此,后续研究中模型仍需改进,对指标的选取再做探索和优化.但作为一种理论研究,本文也证实了人工神经网络模型也可作为股票评级的工具,这也将作为进一步研究的课题.
参考文献：
[1]陈颖涛.关于股票评级机制的探讨[J]. 证券市场导报, 2001(4):48-54.
[2]仝全友.股票评级的困境与改进[J]. 山西财经大学学报, 2002, 24(1):144-145.
[3]廖成林,乔宪木.中国上市公司股票评级的财务结构模型分析[J].重庆大学学报, 2004, 27(9):146-149.
[4]孙洪松.我国上市公司股票评级研究:财务结构模型分析法在股票市场中的应用[J].石油化工管理干部学院学报, 2002, 1(1):52-55.
[5]彭景滔,吴薇.证券分析师股票评级的投资价值研究:基于香港证券市场的实证研究[J].中国城市经济,2011,1(11):84-85.
[6]胡荣华.上市公司股票评级实证研究[J].财经问题研究, 2001, 1(12):61-63.
[7]蒋晶,陈渠亮.我国证券公司股票评级有效性的经验研究:基于股价同步性与预测准确性[J].中国商贸, 2013,1(6):97-98.
[8]刘泽.人工神经网络算法在基金评级中的应用研究[J]. 金融理论与教学, 2016,8(4):50-53.
[9]杨成.基于人工神经网络方法的上市公司股价预测[J]. 统计与决策, 2005,1(12):106-108.
[10]王悦.人工神经网络在经济预测中的应用[J].价值工程, 2007,1(5):90-93.
[11]杨炘.人工神经网络在中长期汇率预测中的应用[J].系统工程,1999,17(1):18-24.
[12]张振.人工神经网络在企业盈利能力评价与预测中的应用:以沪市52家上市公司为例[J].商业会计,2014,3(5):48-49.
[13]蒋玉梅,王明照.金融风险计量中人工神经网络的应用[J].区域金融研究, 2008, 1(9):53-55.
［责任编辑：付 佳］
上文评论，这篇文章为一篇适合人工神经网络和股票评级和matlab论文写作的大学硕士及关于神经网络本科毕业论文，相关神经网络开题报告范文和学术职称论文参考文献.
参考文献：
1、 人工神经网络在宏观经济预测中的应用 人工神经网络在宏观经济预测中的应用研究王志刚 吉林省经济信息中心摘要对一个国家或地区的总体经济情况,可以根据宏观经济加以体现,其中,宏观经济预测是一项重要工作 根据历史资料和经济现状,采用相应理论与.
2、 基于模糊神经网络和粒子群优化算法的机器人路径规划 摘要有评估标准规定,机器人的最优路径规划就是当其在具有障碍物的环境中移动时,能够自动寻找到从初始状态到目标状态的一条无碰撞路径 在本次研究中,首先利用网格法建立了周围环境的数学模型,随后提出一种模糊神.
3、 神经网络在计算机网络安全评价中的应用 周宇摘要随着计算机技术的快速发展,信息能够在短时间内在全世界范围内流动 信息的实时共享使得计算机技术更有价值,同时也充分发挥了信息快速传递的优势 计算机网络给人类社会带来的影响具有两面性；一方面,计算.
4、 卷积神经网络的方程组求解 摘要通过迭代求解方程组的解,提出了一种基于卷积神经网络求解线性方程组的病态方程组的方法,由于条件数过大,影响求解的精度,将求解方程组的过程转换为神经网络学习的过程 通过神经网络学习同目标数据形成一种映.
5、 离散混沌系统的神经网络阶逆系统控制 摘要提出用神经网络α阶逆系统方法控制一类未知模型的离散混沌系统,针对离散混沌系统的特殊性,调整了神经网络建模的输入输出结构,并以Logistic系统为假想未知系统进行实际控制,仿真结果说明.