① ga-bp算法在股票预测中的优缺点
嗯。这个算法我曾经在参加全国计算机仿真大赛时用到过。股票预测这个太复杂了，不管用什么算法，都是可能预测到的。但是对于GA—BPNN算法呢，主要应用的具体问题无法建模的情况下，只能采用这种基于统计数据的智能建模方法，GA—BPNN的优缺点：你可以到学术网站下载几篇论文，学习一下。
② 股票未来年度的每股收益怎么预测有没有公式的啊
股票未来每股收益是很难预测的，说实在公司里的人也不能预测到下一年收益，只能根据市场总体情况来判断。
③ 股票预测用什么算法
股票预测常用的算法包括：机器学习算法、统计分析方法和时间序列分析等。
股票预测是金融领域的重要课题，涉及大量的数据分析和建模。现代预测技术主要依赖于先进的算法和技术手段。针对股票预测，有几种常用的算法被广泛采用。
1. 机器学习算法：是人工智能领域中用于数据分析和预测的一种重要工具。在股票预测中，机器学习算法可以通过对历史数据的学习，找到股票价格的内在规律和趋势。例如，支持向量机、神经网络、随机森林等算法都被广泛应用于股票价格预测。这些算法能够处理复杂的非线性数据，并基于历史数据预测未来的股票价格走势。
2. 统计分析方法：基于统计学原理，通过对历史数据的研究和分析，找出股票价格的统计规律。常见的统计方法包括回归分析、相关性分析等。这些方法可以帮助投资者理解股票价格与各种因素之间的关系，从而做出更明智的投资决策。
3. 时间序列分析：股票价格是一个时间序列数据，时间序列分析通过对数据的时序关系进行研究，预测未来的价格走势。这种方法主要依赖于数据的过去表现来预测未来，常见的模型包括移动平均模型、指数平滑模型等。
除此之外，还有一些集成方法和其他高级算法也被应用于股票预测，如集成学习、深度学习等。这些算法能够处理大规模的高频交易数据，并提取更有价值的信息用于预测。
总的来说，股票预测是一个复杂的任务，需要综合运用多种算法和技术手段。投资者在选择使用哪种算法时，应根据具体的数据特点、任务需求和资源条件进行选择。