近年來,世界經(jīng)濟(jì)發(fā)展迅猛,金融業(yè)的發(fā)展趨勢也越來越難以琢磨。從研究金融活動的規(guī)律著手去探討和預(yù)測金融業(yè)的發(fā)展趨勢,是一個非常值得研究的課題,也是制定金融計劃和決策的重要依據(jù)。金融時間序列研究中,股價預(yù)測一直是一個難點(diǎn),同時也是一個熱點(diǎn)。進(jìn)行股價預(yù)測的傳統(tǒng)方法綜合考慮了宏觀經(jīng)濟(jì)情況與企業(yè)的發(fā)展?fàn)顩r。但隨著社會與行業(yè)的發(fā)展,傳統(tǒng)方法除了演變得越來越復(fù)雜的缺點(diǎn),還十分消耗時間。隨著人工智能的發(fā)展,將機(jī)器學(xué)習(xí)運(yùn)用到股票研究中的方法應(yīng)時而生。神經(jīng)網(wǎng)絡(luò)在金融領(lǐng)域中的應(yīng)用更是標(biāo)志著股價預(yù)測迎來重大轉(zhuǎn)折點(diǎn)。近幾年,卷積神經(jīng)網(wǎng)絡(luò)漸漸被廣泛應(yīng)用于語音的識別和圖像分類等領(lǐng)域,而在金融時間序列數(shù)據(jù)中的應(yīng)用卻不常見。有效的金融預(yù)測在現(xiàn)實(shí)生活中發(fā)揮著十分重要的作用,對國民經(jīng)濟(jì)的發(fā)展也有著不容小覷的影響,所以,將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到對股票未來趨勢的預(yù)測當(dāng)中值得研究者們深入探討。本文首先總結(jié)了國內(nèi)外有關(guān)機(jī)器學(xué)習(xí)在股價預(yù)測中的各種研究方法,提出了用卷積神經(jīng)網(wǎng)絡(luò)預(yù)測股價的意義,重點(diǎn)介紹了卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和原理以及構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型的方法,然后將股票預(yù)測與人工智能相結(jié)合,利用機(jī)器學(xué)習(xí)中的方法對此展開了有益的探索。文中通過... 

【文章來源】：山西大學(xué)山西省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
中文摘要
ABSTRACT
第一章 引言
    1.1 研究背景和意義
    1.2 國內(nèi)外相關(guān)研究綜述
    1.3 研究內(nèi)容
第二章 卷積神經(jīng)網(wǎng)絡(luò)及相關(guān)理論
    2.1 卷積神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
        2.1.1 卷積層
        2.1.2 池化層
        2.1.3 全連接層
        2.1.4 卷積神經(jīng)網(wǎng)絡(luò)降參手段
    2.2 訓(xùn)練模式
        2.2.1 前饋運(yùn)算
        2.2.2 反饋運(yùn)算
    2.3 卷積神經(jīng)網(wǎng)絡(luò)的常見結(jié)構(gòu)
        2.3.1 AlexNet卷積神經(jīng)網(wǎng)絡(luò)模型
        2.3.2 VGGNet卷積神經(jīng)網(wǎng)絡(luò)模型
        2.3.3 GoogLeNet卷積神經(jīng)網(wǎng)絡(luò)模型
        2.3.4 ResNet深度卷積神經(jīng)網(wǎng)絡(luò)模型
    2.4 本章小結(jié)
第三章 基于卷積神經(jīng)網(wǎng)絡(luò)的股價預(yù)測模型
    3.1 實(shí)驗(yàn)平臺
    3.2 實(shí)驗(yàn)數(shù)據(jù)
        3.2.1 數(shù)據(jù)來源
        3.2.2 數(shù)據(jù)預(yù)處理
    3.3 基于卷積神經(jīng)網(wǎng)絡(luò)的股價預(yù)測實(shí)驗(yàn)
        3.3.1 構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)股價預(yù)測模型
        3.3.2 實(shí)驗(yàn)過程
        3.3.3 模型評估指標(biāo)
    3.4 研究模型參數(shù)對預(yù)測結(jié)果的影響
        3.4.1 卷積層和池化層對預(yù)測結(jié)果的影響
        3.4.2 卷積核大小對預(yù)測結(jié)果的影響
        3.4.3 卷積核個數(shù)對預(yù)測結(jié)果的影響
        3.4.4 確定預(yù)測模型參數(shù)
    3.5 本章小結(jié)
第四章 引入ADX的卷積神經(jīng)網(wǎng)絡(luò)模型
    4.1 對上一章實(shí)驗(yàn)結(jié)果的反思
    4.2 基于卷積神經(jīng)網(wǎng)絡(luò)的股價預(yù)測ADX增強(qiáng)版
        4.2.1 實(shí)驗(yàn)過程
        4.2.2 圖表可視化及結(jié)論分析
    4.3 確定卷積神經(jīng)網(wǎng)絡(luò)股票預(yù)測模型
    4.4 與其他模型對比
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
攻讀碩士期間取得的研究成果
致謝
個人簡況及聯(lián)系方式



本文編號：3642171