周二 -7.28 4.38
周三 1.72 -6.02
周四 0.81 7.92
周五 10 0.2
表2 優化遺傳算法數據表
時間（天） 股票真實走勢（%） 優化算法預測走勢（%）
周一 -3.08 -0.93
周二 -7.28 -5.72
周三 1.72 3.84
周四 0.81 -0.13
周五 10 8.02
通過兩種方法預測股票走勢和股票真實走勢值之間的誤差值比較，我們就可以更加清楚優化遺傳算法更接近股票的真實走勢。圖1所示是傳統算法和優化遺傳算法預測值與真實值比較的誤差率。
圖1 傳統算法和優化遺傳算法預測值與真實值比較的誤差率
通過比較能夠很好地得出，優化遺傳算法的誤差值在2%以內，而傳統算法的誤差值不穩定，因此優化遺傳算法的預測值更加接近股票的真實走勢，更有利於股民很好地規避風險並獲得收益的提高。
4 結 語
針對傳統對於股民選擇股票規劃算法需求滿足較多約束條件造成建模效果與真實值契合度較低的特點，提出基於優化遺傳算法的股民選擇最優穩定值的股票規劃方法，並對傳統算法和優化遺傳算法做了深入的比較，在此基礎上構建了新的股票選擇模型。經過對於股票穩定值的最優解分析，采用優化遺傳算法能更好地幫助股民規避風險，最大限度的保證了股民的利益。
參考文獻
[1]鄒萍.貨幣政策、股票流動性與資本結構動態調整[J].審計與經濟研究，2015（1）：74-82.
[2]陳國良，王煦法，莊鎮泉，等.遺傳算法及其應用[M].北京：人民郵電出版社，1996.
[3] Back T.The Interaction of Mutation Rate，Selection and Self-Adaptation within a Genetic Algorithm[J].In：Parallel Problem Solving from Nature 2，North Holland，1992：84-94.
[4] Michalewicz Z， Janikow C Z，Krawczyk J B.A Modified Genrtic Algorithms for Optimal Control Problems[J].Computers Math Application，1992，23（12）：83-94.
[5]熊軍，高敦堂，都思丹，等.變異率和種群數目自適應的遺傳算法[J].東南大學學報（自然科學版），2004，34（4）：533-556.
[6]黎鈞琪，石國楨.遺傳算法交叉率與變異率關係的研究[J].武漢理工大學學報（交通科學與工程版），2003，27（1）：97-99.
[7]金晶，蘇勇.一種改進的自適應遺傳算法[J].計算機應用與軟件，2006，23（2）：108-110.
[8]王曉東，薛宏智，馬盈倉.基於自適應遺傳算法的神經網絡字符識別[J].西安工程大學學報，2008，22（2）：211-213.
[9]李少芳.連續背包問題貪婪算法最優解的實現[J].福建電腦，2003（11）：12-13.