在金融市場(chǎng),股票預(yù)測(cè)一直是投資者和學(xué)術(shù)界的熱門研究話題之一。隨著經(jīng)濟(jì)全球化和股票市場(chǎng)的不斷成熟,發(fā)展出了多種股票投資方式。近年來機(jī)器學(xué)習(xí)在多個(gè)研究領(lǐng)域取得了顯著的成果,其中在股票預(yù)測(cè)方向除了傳統(tǒng)的預(yù)測(cè)方法外,研究人員提出許多新的方法,并對(duì)已有的方法不斷進(jìn)行改進(jìn)。例如利用深度學(xué)習(xí)預(yù)測(cè)股票中使用深度卷積網(wǎng)絡(luò)、深度Q網(wǎng)絡(luò)以及基于LSTM(長短期記憶網(wǎng)絡(luò))的深度循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股票。還有基于SVR(支持向量回歸)的混合模型預(yù)測(cè)股價(jià),將SVR和進(jìn)化算法、SOM(自組織映射網(wǎng)絡(luò))、主成分分析等方法結(jié)合得到混合模型預(yù)測(cè)股票。另外還有研究人員通過挖掘社交媒體和新聞中投資人情感來進(jìn)行股票預(yù)測(cè)。已有的基于SVR混合模型中,大多是針對(duì)單一特征建立模型進(jìn)行預(yù)測(cè)。本文在基于已有的基于SVR混合模型的基礎(chǔ)上,嘗試了一種新的組合方式,對(duì)輸入數(shù)據(jù)在多個(gè)方面進(jìn)行了噪聲抑制。針對(duì)SVR模型的特點(diǎn)對(duì)輸入數(shù)據(jù)進(jìn)行了變換,使用差分?jǐn)?shù)據(jù)替代了原始輸入,同時(shí)也突出了股價(jià)變化趨勢(shì)。針對(duì)股票中混合著各種線性和非線性因素,引入小波變換來分離出股票中的主要成分和細(xì)節(jié)成分。針對(duì)股票數(shù)據(jù)單個(gè)數(shù)據(jù)點(diǎn)可能因?yàn)橥话l(fā)因素而存在明顯噪聲,使用了多尺度滑...

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的背景和意義
    1.2 當(dāng)前研究現(xiàn)狀
    1.3 本文主要的研究內(nèi)容
    1.4 本章小結(jié)
第2章 股票預(yù)測(cè)相關(guān)理論和技術(shù)
    2.1 小波變換方法
    2.2 SVR方法
第3章 單一特征預(yù)測(cè)股票價(jià)格
    3.1 引言
    3.2 模型算法總體流程
    3.3 模型算法詳述
        3.3.1 差分處理
        3.3.2 小波變換
        3.3.3 多尺度窗口滑動(dòng)平均
        3.3.4 SVR參數(shù)選擇
    3.4 與以往模型的差異
    3.5 實(shí)驗(yàn)過程
        3.5.0 數(shù)據(jù)獲取
        3.5.1 特征選擇
        3.5.2 數(shù)據(jù)預(yù)處理
        3.5.3 模型訓(xùn)練
    3.6 實(shí)驗(yàn)結(jié)果和分析
        3.6.1 評(píng)價(jià)標(biāo)準(zhǔn)
        3.6.2 實(shí)驗(yàn)結(jié)果
        3.6.3 結(jié)果分析
    3.7 本章小結(jié)
第4章 多維特征預(yù)測(cè)股票價(jià)格
    4.1 引言
    4.2 模型算法總體流程
    4.3 模型算法詳述
        4.3.1 差分處理
        4.3.2 歸一化
        4.3.3 小波變換
        4.3.4 單窗口滑動(dòng)
        4.3.5 SVR參數(shù)選擇
    4.4 與單一特征模型的差異
    4.5 實(shí)驗(yàn)過程
        4.5.0 數(shù)據(jù)獲取
        4.5.1 特征選擇
        4.5.2 數(shù)據(jù)預(yù)處理
        4.5.3 模型訓(xùn)練
    4.6 實(shí)驗(yàn)結(jié)果和分析
        4.6.1 評(píng)價(jià)標(biāo)準(zhǔn)
        4.6.2 實(shí)驗(yàn)結(jié)果
        4.6.3 結(jié)果分析
    4.7 與深度學(xué)習(xí)LSTM神經(jīng)網(wǎng)絡(luò)比較
    4.8 近期中國和美國股票市場(chǎng)預(yù)測(cè)
    4.9 本章小結(jié)
第5章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
深圳大學(xué)指導(dǎo)教師對(duì)研究生學(xué)位論文的學(xué)術(shù)評(píng)語
深圳大學(xué)研究生學(xué)位（畢業(yè)）論文答辯委員會(huì)決議書
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號(hào)：3794218