基于基本面分析的股票选择神经网络模型

3显示了两个模型在测试期间构建的投资组合的复合相对回报。表1构建的“买入”组合相对收益率组合fnn0.72%3.9212.34%ANFIS 0.27%4.073.45%Full Sample-0.02%3.55-1.35%表2构建的“卖出”组合相对收益率组合fnn-0.83%3.87-14.97%ANFIS-0.34%4.03-7.19%Full Sample-0.02%3.55-1.35%图3。NNs为TestPeriodVI选择的端口f的复合相对回报。结论和未来工作在本研究中，我们探索了将FNN和ANFIS应用于基于a股基本财务比率而非常用技术指标的股票收益预测。个人股票相对于道琼斯工业平均指数的相对回报用于模型培训和测试，而非绝对回报。然后对70只股票的预测相对回报率进行排名，并在每个季度选择“买入”和“卖出”投资组合，分别由前30只和后30只股票组成。我们的实验结果表明，FNN和ANFIS选择的“买入”组合和“卖出”组合能够分别优于和低于fullsample universe。此外，FNN在投资组合选择方面明显优于SANFIS。至于未来的工作，可以使用迭代特征选择来减少特征数量，并潜在地提高预测精度。样本宇宙可能会被扩展，数据的时间跨度可能会被操纵，以进一步验证这项研究的发现。参考文献[1]E.F.F ama，《Stock marke T prices的行为》，《商业杂志》，3834-1051965年。[2] B.M.Blau，《汇率波动和股票收益的非正态性》，《经济学与经济学杂志》，91，41-522017年。[3] E.Guresen，G。

Kayakutlu，TU Daim，将人工神经网络模型用于股市指数预测，专家系统与应用，2011年。[4] G.S.Atsalakis，K.P.Valavanis，《使用基于神经模糊的方法预测股市短期趋势》，专家系统与应用，3610696-107072009。[5] J Patel，S.Shah，P.Thakkar，K.Kotecha，《使用趋势确定性数据准备和机器学习技术预测股票和股票价格指数变动》，专家系统及其应用，42（1），259-2682015。[6] S.Beki ros，D.Ge orgoutsos，《变化预测的评估方向：神经模糊模型与神经网络，数学与计算机建模》，46，38-462007。[7] M.K.Farahani，S.Mehralian，《人工神经网络和神经模糊预测在黄金价格预测中的比较》，第13届伊朗Conf.onFuzzy系统会议，2013年。[8] 沈国耀，曾国华，基于基本面分析的价值股票选择组合软计算模型，应用软计算，37142-1552015。[9] S.G.Eakins，S.R.Stansell，Can基于价值的股票选择标准yieldsuperior risk-adjusted returns:A application of neural networks，International Review of Financial Analysis，12，83-972003。[10] T.S.Quah，B.S rinivasan，通过网络选举对stoc k投资进行回顾，专家系统与应用，17295-301，[11]T.S.Quah，DJIA神经网络辅助股票选择，专家系统与应用，3550-582008。[12] 布莱克，《计量经济学模型的麻烦》。《金融分析杂志》，4（5），75-871982年。[13] 胡耀文，刘国强，张学良，苏立群，倪文泰，刘明明，进化计算在股票算法交易规则发现中的应用：文献综述。《应用软件计算》，36534-5512015。[14] G.S.Atsalakis，K.P。

Valavanis，《调查股市预测技术第二部分：软计算方法》。《专家系统与应用》，36（3）5932-59412009。[15] S.Haykin，《神经网络：综合基础》，第二版，第183-195页，1998【16】J.R.Jang，ANFIS：基于自适应网络的模糊推理系统，inIEEE Trans。《系统、人与控制论》，23（3），665-6851993年。[17] 标准普尔100指数概况，https://us.spindices.com/indices/equity/sp-100，2018年11月30日【2018年12月10日】。[18] Stockpup，http://www.stock pup。com[2018年7月1日]。[19] J.W.Graham，《缺失数据分析：在现实世界中发挥作用》，《心理学年鉴》，60549-5762009。