人工神经网络在证券市场中的应用研究
场价格变化的趋势时，并不关注该市场行为形成的原因，而只关注该市场行为会给价格的变化带来怎样的影响。
2． 价格依据趋势移动
趋势的概念是技术分析中的基本概念。价格依据趋势移动的原文是
Prices move in trends and trends persist. 它包括三层意思：第一，在技术分析中认为趋势是存在的；第二，价格按照市场趋势运行的方向而变动；第三，正在进行中的趋势将持续下去，直至反转。有人说这是物理学中的牛顿惯性定律在金融学中的表现。根据这一规律，一个趋势在一般情况下将持续下去，除非出现一些外来力量使这个趋势停止甚至反转。因此，可在既有趋势上进行操作，直到它出现反转的迹象时为止。
3．历史往往重演
相信历史往往重演（Market action is repetitive）是通过过去预测未来走
向的前提，是数学外推法的应用基础。即模式重现原理.
股市中投资者趋利的动机是千古不变的本质因素。技术分析对市场行为
的研究与心理学等学科是分不开的。人性中许多的弱点都会反复呈现，据此，一些典型的形态在过去的一百年中即以被辨认，分类，并被用来反映一些显示在价格上的市场心理状况。由于这些形态在过去都能较为准确地反映一些市场信息，所以，同样假设它在将来也一样能故态复萌。
技术分析的特点与分类 1．技术分析的特点
技术分析以数学方法为基础，注重数量与形态的变化，研判股市走势。
技术分析方法不仅可以使投资者知道如何判断大势，避免逆势操作，而且可以指导操作者按其个性化的投资理念，赚多赔少。虽然技术分析方法不可能百发百中，但因其分析方法清晰、明了、科学性强，受短线投资者的青睐。技术分析有如下特点：
1．
量化指标特性。技术分析能提供量化指标，可以指示出行情转折之所在。
9
人工神经网络在证券市场中的应用研究
2． 趋势追逐特性。技术分析指示操作者如何去追逐趋势，并非创造趋势或引导趋势。
3． 真实直观性。技术分析所提供的各类图形，是历史轨迹的记录，无虚假与臆断之弊端。尤其是现代信息技术的发展为技术分析提供了更大的发展空间。
2．技术分析的分类
技术分析的分类目前还没有统一的标准。按研究手段，一般划分为：指
标分析与形态分析。
指标分析是指以技术指标为对象进行的分析。这些技术指标都是根据原
始数据计算而来的。在以后的章节所谈到的诸如随机指标KDJ，相对强弱指标RSI, 能量线OBV等一系列技术分析指标，都属于指标分析。技术指标反映的是市场某一方面的特性，而这一特性又是往往不易被人们察觉到的。
形态分析早期也叫图形分析，是指以原始数据（价格、成交量和时间）
构成的图形为对象来判断市场状况的未来变化的分析。例如K线图组合分析，典型形态分析等等。
不过，技术分析的研究手段本身也是相互交叉的。
无论是指标技术分析，还是形态技术分析，其目的均是来预测市场发展
的趋势，同时表明这种趋势是处于哪一个阶段。
技术分析与基本面分析
技术分析与基本面分析是股市中的两类经典分析方法，它们有其各自的
理念。技术分析主要是透过图表或技术指标的记录，研究市场过去及现在的行为反应，以推测未来价格的变动趋势。技术分析具有理性和客观性的特点。但这种分析方法较复杂，刚进入股票市场的投资者不易掌握。
基本面分析主要是根据供应量和需求量及影响供求关系的各种因素的变
化，来预测价格走势。基本面分析所遵循的一个基本经济学原理，就是供应的增加或需求的减少将导致价格下跌；反之，供应减少或需求的增加将导致价格上涨。基本面分析具有直观、容易掌握的优点，但基本面分析普遍存在一项消息两种看法的情形，主观色彩较浓。
10
人工神经网络在证券市场中的应用研究
综合上述分析,基于市场行情的技术面分析,实际上也包括了对已经出现的
基本面情况的理解和消化。那么,基本面分析的内容主要集中在对未来宏观政治经济形势、上市公司日后盈利状况,以及可能出现各种金融政策和消息的判断上。由此可得由图2所示的证券市场决策分析框架。其中,U表示对未来基本面的判断。
图 2
对证券市场是否可预测曾存在争论；严格地说, 证券价格是无法精确预测的,因为它具有随机性特征,无法在严格的假设基础上建立起精确的模型。但从技术分析的角度出发，证券市场在某些情况下至少是部分可判定的，某种意义上是可预测的。
众多统计数据及科学研究均已表明，证券市场及其它金融市场均类似其它复杂的非人为自然现象，某程度上可透过特定的方法及工具进行预测。股价走势及其它金融工具的价格走势通常呈现一种特定的趋势。在股价呈现趋势时会出现若干「干扰」讯号，令其中包含可显示趋势的随机讯号和杂乱讯号难以分辨。其实可用某些最大可能方法( maximum likelihood methods )调查及评估这种特定的趋势。尽管真正的随机讯号（通常用布朗运动(Brownian motion )表示）不可预测，但可透过平均偏差及标准偏差进行估计。事实亦证明，虽然杂乱讯号表面上看似是一些随机信号，但是却具有确定性的本质，某程度上可透过数据分析技术进行预测。许多成功的投资家利用他们的经验与方法用实际成绩对此作出了证明。
11
人工神经网络在证券市场中的应用研究
第三章．人工神经网络综述
“人工神经网络”(ARTIFICIAL NEURAL NETWORK，简称A.N.N.)是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统。神经网络理论是巨量信息并行处理和大规模平行计算的基础，神经网络既是高度非线性动力学系统，又是自适应组织系统，可用来描述认知、决策及控制的智能行为．
1. 人工神经网络(ANN)概述
生物学的研究发现，人的大脑有大约1010个神经细胞，每个细胞约有104条通路与其他脑细胞相连，并且通过突触交换信息，整个大脑构成了一个纵横交错的极其复杂的非线性网络结构。ANN就是抽象，简化与模拟上述大脑生物结构的计算模型，又称为连接主义或并行分布处理（PDP）模型。ANN由大量功能简单而具有自适应能力的信息处理单元――人工神经元按照大规模并行方式，通过一定的拓扑结构连接而成。神经元是对人脑神经细胞功能的抽象，简化与模拟，单个神经元的基本结构如图3所示。
x1x2?ujf()图 3
yj?f(uj)?f(?wixi)??x3
图中，x1,x2, …… xn, 是神经元的输入，它可以是来自外部世界的信息，也可能是另一个神经元的输出；w1, w2,… … wn 是输入到神经元的权值，它表示神经元的连接强度，由神经网络的学习过程决定；?是神经元的内部阀值（门限值）；f()是神经元的激励函数,其作用是把可能的无限域变换到给定的范围内输出，以模拟生物神经元非线性转移特性。f()一般取为非线性函数，其几种常见的形式如下图4：
12
人工神经网络在证券市场中的应用研究
图 4
由上图可见，简单神经元主要由权值，门限值和非线性函数的形式来定义，它通过对多个输入值与权值乘积和施加非线性函数变换而得到输出。神经元的信息处理过程可分为三个阶段：
首先，对输入信息与对应的权值进行内积运算
uj??xiwi??
i?1n再把uj代入激励函数运算，得到神经元的输出yj=f(uj);
最后，对神经元的输出进行判决，若yj大于给定阀值，则该神经元被激活，处于兴奋状态，否则，神经元不激活，处于抑制状态。
神经元通过这种工作方式，模拟了脑细胞的生物特性，它所处的抑制或兴奋两种状态，在数学上表现为非线性关系。由于单个神经元的输入输出之间具有非线性关系，神经元之间的联系也呈现复杂的非线性关系，整个ANN构成了一个复杂的非线性动力学系统，像人的大脑一样，处于不断的变动和演化之中。可以说，ANN在某种程度上模拟了人脑的思维过程。ANN模型有多种形式，它取决于网络拓扑结构，神经元特性函数，学习算法这三大要素。
网络拓扑结构有分层结构和互连结构，在分层结构中，神经元被分成若
干层，各层之间顺序相接，而同层的神经元之间可有也可以没有连接。在互连结构中，允许任意两个神经元之间有互连关系。
已知的ANN的学习算法有三十多种，分为监督型，非监督型等。监督型
学习算法根据给定的样本（输入及正确输出）进行分类或模拟，调整网络权值；非监督学习算法根据所给出输入，根据某些规则，使网络逐渐演变到对输入的某种模式的匹配。
ANN具有以下诱人的特点：
13