金融時(shí)間序列預(yù)測(cè)是一種根據(jù)金融數(shù)據(jù)的歷史規(guī)律以及變化趨勢(shì)對(duì)未來(lái)數(shù)據(jù)的發(fā)展?fàn)顩r做出合理推測(cè)的時(shí)間序列分析技術(shù),它對(duì)于政府部門(mén)、投資機(jī)構(gòu)以及投資者們均有著重要的意義。由于金融時(shí)間序列具有非線性、非穩(wěn)定以及輸入特征多等特性,因此建立較高預(yù)測(cè)精度的金融時(shí)間序列預(yù)測(cè)模型一直以來(lái)都是金融領(lǐng)域和計(jì)算機(jī)領(lǐng)域的研究熱點(diǎn)。本文給出了三種基于生成對(duì)抗網(wǎng)絡(luò)的金融時(shí)間序列預(yù)測(cè)模型,并采用2002年1月至2020年3月的滬深300指數(shù)對(duì)其預(yù)測(cè)性能進(jìn)行驗(yàn)證。本文的主要工作如下:1、給出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解生成對(duì)抗網(wǎng)絡(luò)的金融時(shí)間序列預(yù)測(cè)模型。針對(duì)金融時(shí)間序列非線性且非穩(wěn)定的特點(diǎn),將經(jīng)驗(yàn)?zāi)B(tài)分解與生成對(duì)抗網(wǎng)絡(luò)的生成器結(jié)合作為該模型的生成器;針對(duì)生成對(duì)抗網(wǎng)絡(luò)模型不穩(wěn)定的特點(diǎn),將WGAN-gp生成器的損失函數(shù)與真實(shí)數(shù)據(jù)和生成數(shù)據(jù)的均方誤差結(jié)合作為本模型生成器的目標(biāo)函數(shù)。采用滬深300指數(shù)驗(yàn)證該模型的預(yù)測(cè)性能,其均方誤差為0.0019,實(shí)驗(yàn)結(jié)果表明該模型能夠更好地分析和處理非線性、非平穩(wěn)的金融時(shí)間序列并取得了良好的預(yù)測(cè)效果。2、給出一種基于雙階段注意力機(jī)制生成對(duì)抗網(wǎng)絡(luò)金融時(shí)間序列預(yù)測(cè)模型。針對(duì)金融時(shí)間序列輸入特征多且難以自適... 

【文章來(lái)源】：大連海事大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??Ｆｉｇ．?２．１?ＲＮＮ?ｓｔｒｕｃｔｕｒｅ??圖２．１中ａ表示的是未按照時(shí)間展開(kāi)的ＲＮＮ網(wǎng)絡(luò)結(jié)構(gòu)，ｂ表示的是按照時(shí)間展開(kāi)的??ＲＮＮ網(wǎng)絡(luò)結(jié)構(gòu)圖

圖２．２?ＲＮＮ的四種結(jié)構(gòu)??Ｆｉｇ．?２．２?Ｆｏｕｒ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＲＮＮ??

?基于多元經(jīng)驗(yàn)?zāi)B(tài)分解生成對(duì)抗網(wǎng)絡(luò)的金融時(shí)間序列預(yù)測(cè)???＾?〇〇〇＃〇〇??隱藏層?＃?＃?＃?ｗ??，、?／＼?７、?／?＼?／Ｋ?／＼??？〇〇〇〇〇?〇??Ｘ，?ｘ２?ｘ３?ｘ４?ｘ５?ｘ６?ｘ７??圖２．３梯度消失原理??Ｆｉｇ．?２．３?Ｓｃｈｅｍａｔｉｃ?ｏｆ?ｇｒａｄｉｅｎｔ?ｄｉｓａｐｐｅａｒａｎｃｅ??２．４．２?長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)??由于ＲＮＮ存在梯度“消失”和梯度“爆炸”的問(wèn)題，經(jīng)過(guò)大量研宄，Ｓｃｈｍｉｄｈｕｂｅｒ??等人于１９９７年提出了?ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)。ＬＳＴＭ神經(jīng)網(wǎng)絡(luò)通過(guò)增加輸入門(mén)（ｉｎｐｕｔ?ｇａｔｅ），輸??出門(mén)（ｏｕｔｐｕｔ?ｇａｔｅ），遺忘門(mén)（ｆｏｒｇｅｔ?ｇａｔｅ）以及單元狀態(tài)（ｃｅｌｌ?ｓｔａｔｅ）來(lái)控制信息的流動(dòng)及保存。??具體來(lái)說(shuō)，ＬＳＴＭ通過(guò)輸入門(mén)和輸出門(mén)來(lái)控制信息的流入與流出，通過(guò)遺忘門(mén)來(lái)控制上??一時(shí)刻的單元狀態(tài)有多少信息可以被保存在這一時(shí)刻。ＬＳＴＭ通過(guò)改變自循環(huán)的權(quán)重參??數(shù)，在模型參數(shù)固定的情況下可以有效的避免循環(huán)神經(jīng)網(wǎng)絡(luò)中存在的梯度“消失”和梯??度“爆炸”的問(wèn)題。ＬＳＴＭ的網(wǎng)絡(luò)結(jié)構(gòu)如圖２．４所示：??ｘｔ??１?１?Ｉ?￣ｘ￣Ｌ?——??ａ?ａ?ｔａｎｋ?ａ?ｓｔ??Ａ?ｉｔ?Ｃ／?＾＾???ＪＬ??ｔａｎｋ??Ｃｔ－ｉ?”?”?Ｃｆ?Ｃｔ??—？?＜Ｓ＞?—？??圖２．４?ＬＳＴＭ網(wǎng)絡(luò)結(jié)構(gòu)??Ｆｉｇ．?２．４?ＬＳＴＭ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ??－１４－??

【參考文獻(xiàn)】：
期刊論文
[1]生成式對(duì)抗網(wǎng)絡(luò)研究綜述[J]. 羅佳,黃晉英.  儀器儀表學(xué)報(bào). 2019(03)
[2]基于生成對(duì)抗網(wǎng)絡(luò)的地面新增建筑檢測(cè)[J]. 王玉龍,蒲軍,趙江華,黎建輝.  計(jì)算機(jī)應(yīng)用. 2019(05)
[3]生成式對(duì)抗網(wǎng)絡(luò)GAN的研究進(jìn)展與展望[J]. 王坤峰,茍超,段艷杰,林懿倫,鄭心湖,王飛躍.  自動(dòng)化學(xué)報(bào). 2017(03)
[4]基于回聲狀態(tài)網(wǎng)絡(luò)的電力市場(chǎng)電價(jià)預(yù)測(cè)[J]. 任遠(yuǎn).  電力系統(tǒng)保護(hù)與控制. 2016(11)
[5]基于EMD與BP神經(jīng)網(wǎng)絡(luò)的中國(guó)股票指數(shù)期貨價(jià)格預(yù)測(cè)[J]. 李聰,楊德平,孫海濤.  青島大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(02)
[6]基于隨機(jī)森林方法的基金收益率方向預(yù)測(cè)與交易策略研究[J]. 方匡南,朱建平,謝邦昌.  經(jīng)濟(jì)經(jīng)緯. 2010(02)
[7]基于支持向量機(jī)的股市時(shí)間序列預(yù)測(cè)算法[J]. 楊穌,史耀媛,宋恒.  科學(xué)技術(shù)與工程. 2008(02)

碩士論文
[1]基于LSTM模型的金融時(shí)間序列預(yù)測(cè)算法研究[D]. 陳璐.哈爾濱工業(yè)大學(xué) 2019
[2]基于動(dòng)態(tài)貝葉斯生成對(duì)抗網(wǎng)絡(luò)的量化擇時(shí)研究[D]. 白麗.大連海事大學(xué) 2019
[3]變壓器繞組狀態(tài)的振動(dòng)檢測(cè)法研究[D]. 田玉芳.山東大學(xué) 2014



本文編號(hào)：3329910