参考 matlab神经网络30例 中有一个股票预测的案例
我觉得svm做这个更好
Ⅱ 提问任务：在使用神经网络算法对A股股指进行回归预测时，哪些特征量能较好的反应股市的涨跌本质，谢谢
这个问题太复杂，一般的模型只将股指开盘收盘，最高，最低价格，成交量，成交额作为输入数据，更进一步的人，以均笔，资金流入量等等，作为输入数据，让人深感对于特征量得提取有很大的不足，神经网络算法，在预测社会科学范畴的股票价格时，关键问题在于输入数据的特征量如何提取，以反映事物的本质特征，以及如何对参与者偏好的人心进行定量分析，或者，可以采用其他影响参与者预期的宏观或者微观经济指标作为前导数据，模拟人心，进行人心的定量分析，或许 能设计出更准确预测股票价格的数学模型来。
两大难点，一个是特征量的选择，一个是如何对人心进行定量分析，心理方面有群体效应，从众心理，贪婪，恐惧，这目前是神经学，心理学，社会学研究的难点，暂时无解。
去全球著名的大学网站，读读那些经济学，心理学教授的研究论文，阶段性成果，或许会有帮助
Ⅲ 如果用神经网络学习股票买卖，能做出一个完美的赚钱程序吗
比较难，现在已经有这方面的研究和尝试了，但股票变动的决定因素很多，影响的作用大小也不一样，而且不同时期也有不同的规律，因此目前作用不大，更谈不上完美。
Ⅳ 基于遗传算法的神经网络预测股票的价格有现实意义吗 知乎
有一定参考价值
但你不能以此为实际购买股票的唯一依据，不然会赔的很惨
不要只依赖算法结果…
望采纳
Ⅳ 你好看你发帖问过用BP神经网络预测股票价格的提问
首先你要搞清bp的基本原理，基于梯度法的原则，因为这种算法按梯度走，极易进入局部最小点二出不来，所以对于比较简单的模型如高斯曲面有一定的逼近能力，但是现实如你所说的股票，相关因素特别多，也就是说神经网络输入通道会很多，而且通道和通道直接哟相关性，模型在超曲面上就像是大海海面一样跌宕起伏，使用bp明显太过于困难，而且实际中样本有限的很，bp理论基于样本无限的学习规则（21实际70年代），你要证明的话，可以例举一个简单的单极二次型函数，用来试试看bp能否完全逼近这个函数
Ⅵ 如何用MATLAB的BP神经网络做股票预测
算法选择问题，我觉得3层够了吧，但是多少个节点看数据量了！训练过程算法选择也很重要！主要是这里个关键点吧
Ⅶ 如何利用Python预测股票价格
预测股票价格没有意义。
单支股票价格，多股组合，大盘这些都可以使用神经网络来学习，02年就做过了，涨跌预测平均能达到54%到57%的准确率，但是只能定性，无法定量，因此，在扣除印花税之后无利可图。
纯粹使用股票交易数据来预测并保证总体获利不是程序能办到的，人也办不到。
目前世界上最先进的炒股机器也只能利用网络时差那微不可计的零点几秒在欧洲与美国证券间倒来倒去，那套系统研发费用数千万，硬件（主要是独立光缆）费用以亿计。
Ⅷ 请教用人工神经网络进行股票预测在weka
预测股票可不是有以往股票数据就能的，要考虑因果性，现实事件与股票波动有因果性，也就是时序性。在这情况下有LSTM单元组成循环神经网络可以做到，但训练集的强度跟体积可是很大的，这需要注意。
Ⅸ 神经网络 能对股票 预测吗
因为他么有未来函数，但是有未来函数的又是会随着行情的演变而变的，所以没有预测的软件，只有预测的人，盘感很重要，不要迷信软件，那样不是会看软件的人就能赚钱了。关注资金动向是你首先应该学习的。
Ⅹ 神经网络预测股票准吗
目前还达不到非常准确的效果，决定股票走势的因子很多，有些如突发的并购、减持、宏观经济的事件、公司人事的更迭等等，这些事件神经网络没法给出好的判断。