基于BP神经网络的股票价格预测论文及其Python代码实现

代码：github

基于BP神经网络的股票价格预测

通过BP神经网络对明尼亚波利斯春小麦期货的收盘价进行了预测，准确的预测出收盘价的变动。 神经网络中采用优化器ADAM、学习率变化策略Warmup和余弦退化技术，可以有效的解决训练时间太长的的问题。采用Dropout机制可以有效的提升模型预测的准确率和鲁棒性。最终的效果图为：

第1章 绪论

第2章 股票预测理论和方法

第3章 BP神经网络

第4章 神经网络的搭

4.1 基于BP神经网络模型的建立
4.2 网络结构设置
4.2.1 网络层数和神经元个数
4.2.2 激活函数
4.2.3 优化器
4.2.4 学习率变化策略
4.2.5 Dropout和WarmUp机制
4.2.6 初始化参数的选取
4.3 网络性能设置
4.4 模型评价

第5章 基于BP神经网络的股票价格预测

5.1 数据采集
5.1.1 数据来源平台
5.1.2 数据介绍
5.2 数据预处理
5.3 模型训练
5.4 实验结果对比
5.6 本章小结

第6章 总结与展望

6.1 总结
6.2 展望

参考文献
致 谢
附录A 外文原文
附录B 外文原文