上海股市人工神经网络预测系统的性能评价

该预测范围还实现了7.67%的最大误差（MAPE）。表8–苏格兰和南方能源公司股票600089的实际价格和预测价格对比预测开放-高-低收盘错误2016年9月21日8.91 8.82 8.85 8.80 8.83 0.91%2016年9月22日8.89 8.87 8.91 8.82 8.84 0.57%2016年9月23日8.89 8.84 8.85 8.77 8.79 1.14%2016年9月26日8.89 8.78 8.79 8.66 8.67 2.54%2016年9月27日8.88 8.63 8.66 8.56 8.65 2.66%2016年9月28日8.88 8.67 8.67 8.55 8.58 3.50%2016年9月29日8.87 8.63 8.63 8.58 8.593.26%2016年9月30日8.87 8.60 8.64 8.58 8.62 2.90%2016年10月03日*------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------<pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad><pad>在+0.57%和+3.50%之间波动，所有预测价格都倾向于相对高于实际平均交易价格。人工神经网络预测系统也倾向于在随后的几天预测相同的数值。在所有情况下，误差均小于3.5%，与10个预测值相比，MAPE为1.96%。我们可以大致观察到，在2016年9月12日预测了所有这些值的ANN预测系统生成了一个总体上很好的预测方法，几乎所有预测都是针对七只不同股票做出的，其误差率低于实际收盘价的10%。值得注意的是，predictionsystem在预测2016年9月21日至10月11日的研究期间之前，必须首先预测之前的八个股票价格。因此，预测范围相当广泛——从9月12日一直到2016年10月11日。苏格兰和南方能源公司的交易规则（苏格兰和南方能源公司，2015&苏格兰和南方能源公司，2016c）规定，根据前一天的收盘价，任何交易日允许的最大价格波动幅度为10%。

这意味着预测系统预测的价格实际上可以在苏格兰和南方能源交易所交易。然而，交易者确定任何给定日期的实际价格波动，这种波动可能非常低，例如有时甚至为0%（不变价格）。因此，至关重要的是，预测系统不仅要符合最大摆动规则，而且还要尽可能接近实际平均市场价格，即实际供需价格。该供应/需求价格可能不一定服从10%的波动，例如，对于库存600010，观察到的波动在考虑期间介于0%和1.8%之间。此外，预测系统应该能够跟踪价格运动本身的趋势（随时间的上升和下降）。ANN预测系统不仅能够以较低的误差（任何交易日的绝对值和预测期内的MAPE）进行预测，而且还能提供可接受的价格趋势变动。4.0结论本研究倾向于让我们相信，人工神经网络（ANN）预测系统在典型的应用领域，如股票市场价格预测，由于其利用并行计算从训练数据中学习，实现了较高的预测精度。在从学习中获得知识后，ANN系统可以将这种智能用于它尚未接触到的新数据，以完成这种回归任务。精心设计的人工神经网络系统，如configuration5:21:21:1，具有4年的训练数据，可用于预测。

这一配置是由之前的一项研究精心选择的，并被证明适用于上海证券交易所（SSE）等典型证券交易所交易的预测。在本研究中，ANN系统根据2012年至2015年的4年数据进行训练，然后用于预测2016年完成的交易的股价。该研究还提前预测了9月12日至9月20日期间（截至2016年9月12日）七（7）支上证所股票的价格，然后继续预测9月21日至2016年10月11日的价格。所有这些预测都在2016年9月12日前发布，我们拭目以待，看看这些预测是否会在各自的交易日成真。考虑到2016年9月21日至10月11日这段时间，结果表明，基于人工神经网络的预测系统能够预测所有考虑中的7只股票（70个值）的10%价格波动限制，这是由证交所的一条交易规则规定的。e、 前一个收盘价与当日交易价之间的最大差值不得超过10%。单个日误差也很小，例如，10个预测实例的600089股票的日误差在+0.91%和+3.50%之间。这项研究证实，基于七只测试股票在预测期内实现的平均绝对百分比误差（MAPE），一个相当简单的深度只有2个隐藏层的深度神经网络配置可以获得良好的预测结果，考虑到每只股票的10个预测，这七只测试股票的平均绝对百分比误差（MAPE）范围从600028股票的1.95%到600064股票的7.67%。

这种相当简单的设计让我们相信，deepnetworks不一定是复杂的，但应该根据手头的任务仔细选择和实验。deep-ANN的未来仍然很有希望，尤其是在股票市场领域的预测方面。需要做更多的工作来研究深化网络对2层之外的影响，调整节点数量，甚至将其他证券交易所参数（如成交量和市场情绪）纳入预测系统，以观察预测是否比当前系统在绝对每日预测和一系列预测的MAPE方面有显著改进。参考文献1。BSU（600010不锈钢）。（2016年）。历史数据。雅虎财经。2016年10月25日检索自http://finance.yahoo.com/quote/600010.SS/history?p=600010.SS2.CMBC（600016不锈钢）。（2016年）。历史数据。雅虎财经。2016年10月25日检索自http://finance.yahoo.com/quote/600016.SS/history?p=600016.SS3.Chen，Y.，&Cheng，C.（2007）。使用基础分析预测收入增长率：基于特征选择的粗糙集方法。第四届模糊系统与知识发现国际会议（FSKD2007），3，151-155.4。Deng，S.、Mitsubuchi，T.、Shioda，K.、Shimada，T.、Sakurai，A.（2011）。将技术分析与情绪分析相结合进行股价预测。2011年IEEE第九届可靠、自主和安全计算国际会议，800-807.5。DL4J。（2016年）。深层神经网络简介。2016年9月9日检索，fromhttps://deeplearning4j.org/neuralnet-overview.html6.Huang，C.，Chen，P.，和Pan，W.（2011）。运用多阶段数据挖掘技术建立台湾股市预测模型。神经计算与应用，21（8），2057-2063.7。华夏银行（600015.SS）。

（2016年）。历史数据。雅虎财经。检索10月。2016年12月25日，fromhttp://finance.yahoo.com/quote/600015.SS/history?p=600015.SS8.Neto，M.、Calvalcanti，G.、Ren，T.（2009）。利用外生序列和组合神经网络进行金融时间序列预测。神经网络国际联合会议论文集6月14-19日。佐治亚州亚特兰大。9、神经AI。（2016年）。股市预测。2016年9月9日检索，fromhttp://www.learnartificialneuralnetworks.com/stockmarketprediction.html10.NJGK（600064不锈钢）。（2016年）。历史数据。雅虎财经。2016年10月25日检索自http://finance.yahoo.com/quote/600064.SS/history?p=600064.SS11.三一重工（600031.SS）。（2016年）。历史数据。雅虎财经。2016年10月25日检索自http://finance.yahoo.com/quote/600031.SS/history?p=600031.SS12.中国石化股份有限公司（600028.SS）。（2016年）。历史数据。雅虎财经。检索10月。2016年12月25日，fromhttp://finance.yahoo.com/quote/600028.SS/history?p=600028.SS13.上海证券交易所。（2015年）。上海证券交易所交易规则。2016年11月25日下载，fromhttp://english.sse.com.cn/tradmembership/rules/c/3977570.pdf14.上海证券交易所（2016年）。上海证券交易所。2016年9月9日检索，fromhttp://english.sse.com.cn/products/equities/overview/15.上海证券交易所（2016b）。上海证券交易所交易时间表。2016年11月25日检索自http://english.sse.com.cn/tradmembership/schedule/16.上海证券交易所（2016c）。上海证券交易所A股市场交易规则。2016年11月25日检索自http://english.sse.com.cn/tradmembership/schedule/17.特变电工（600089不锈钢）。（2016年）。历史数据。雅虎财经。2016年10月25日检索自http://finance.yahoo.com/quote/600089.SS/history?p=600089.SS18.Wanjawa，B.W.（2016）。预测2016年9月21日至2016年10月11日期间上海股市的未来价格。arXiv:1609.05394.19。Wanjawa，B.W.，&Muchemi，L.（2014）。

用于预测Marekts证券交易所股票价格的ANN模型。arXiv:1502.06434.20。Zhang，J.，Chung，H.S.，&Lo，W.（2008）。利用具有时滞坐标的aNeuro模糊系统进行混沌时间序列预测。IEEE知识与数据工程学报，20（7）。