English
Stock market prediction performance of neural net- works A literature review.pdf
文件大小：
1138k
资源说明：Ican, Ö. , & Çelik, T. B. (2017). Stock market prediction performance of neural net- works: A literature review. International Journal of Economics and Finance, 9 (11), 100 .
《神经网络在股票市场预测中的性能：文献综述》
这篇由Özgür İcan和Taha Buğra Çelik发表在2017年《国际经济与金融杂志》上的文献回顾了使用人工神经网络（ANN）进行股票市场预测的研究。文章主要关注的是模型的定向预测准确度（hit ratio）或盈利能力，因为传统的预测误差指标如平均绝对偏差（MAD）、均方根误差（RMSE）、平均绝对误差（MAE）和均方误差（MSE）被批评为无法真实反映预测模型在实际财务收益方面的效果。
研究者们对大量出版物进行了深入审查，最终挑选出25篇符合标准的论文进行比较分析。这些论文的分类汇总在表格中，为未来的研究提供了便利。关键词包括：人工神经网络、金融时间序列预测、股票市场预测和文献综述。
1. 引言
根据有效市场假说（EMH），股票价格是无法被投资者准确预测的，因为市场价格已经反映了所有可获得的信息。然而，尽管EMH提出这样的观点，许多研究者仍致力于开发和应用神经网络模型，尝试挑战这一理论，以期找到可能的市场预测方法。
2. 神经网络与金融时间序列预测
人工神经网络因其非线性建模能力和适应复杂数据模式的能力，在金融领域特别是时间序列预测中得到了广泛应用。它们能够学习历史价格模式并据此做出未来的预测。
3. 股票市场预测的挑战
股票市场的动态性和随机性给预测带来了巨大挑战。预测模型需要处理诸如市场情绪、宏观经济因素、公司业绩等众多变量，同时还要考虑信息的时效性和不完全性。
4. 定向预测准确度与盈利能力
该文强调了使用定向预测准确度作为评估标准的重要性，因为它直接关联到投资决策的实际收益。相比于仅衡量预测误差，定向预测准确度更直接地反映了模型在实战中的价值。
5. 文献综述的主要发现
通过对所选论文的分析，作者揭示了神经网络在股票市场预测中的优势和局限性。一些研究显示神经网络模型在特定情况下能显著提高预测精度，但也有研究指出模型的复杂性可能导致过拟合，降低泛化能力。
6. 结论与未来研究方向
尽管神经网络模型在股票预测上取得了一定成果，但仍需进一步研究以优化模型性能，如改进网络架构、引入更多市场相关特征或结合其他预测技术。此外，对于如何将预测结果转化为实际投资策略，也是未来研究的重要课题。
这篇文献综述为理解神经网络在股票市场预测中的应用提供了宝贵的视角，同时也强调了评估模型预测能力时应更加注重其实际投资效益。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
