今天的股票市場(chǎng)早已日趨完善,上市也已經(jīng)成為公司發(fā)展的必經(jīng)之路。上市公司能夠在股票市場(chǎng)進(jìn)行融資,并且投資機(jī)構(gòu)和散戶也期望對(duì)有潛力的股票進(jìn)行購買,并獲得收益。誠然,股票投資是高風(fēng)險(xiǎn)高收益的行業(yè),因此理性投資就變得尤為重要。隨著AI（人工智能）技術(shù)的研究成果問世,使得將AI相關(guān)研究帶入股票預(yù)測(cè)當(dāng)中成為可能。本文結(jié)合實(shí)際股票交易行情,在相關(guān)數(shù)據(jù)集上進(jìn)行了豐富的實(shí)驗(yàn)。針對(duì)股票走勢(shì)預(yù)測(cè)問題,本文首先進(jìn)行了股票日行情數(shù)據(jù)的采集,對(duì)采集的中國A股市場(chǎng)的數(shù)據(jù)進(jìn)行了預(yù)處理,并提取出股票技術(shù)指標(biāo)相關(guān)性系數(shù)特征。再對(duì)股票數(shù)據(jù)集進(jìn)行特征工程處理后,搭建了相關(guān)算法模型,并做了詳細(xì)的對(duì)比實(shí)驗(yàn)。本文主要進(jìn)行了以下研究:首先,本文介紹了股票市場(chǎng)基礎(chǔ)概念和國內(nèi)外的研究狀況,并根據(jù)實(shí)際實(shí)驗(yàn)需求引入了三種不同類型的預(yù)測(cè)模型,分別是:傳統(tǒng)金融預(yù)測(cè)模型,機(jī)器學(xué)習(xí)以及深度學(xué)習(xí)算法模型。將多種機(jī)器學(xué)習(xí)和深度學(xué)習(xí)實(shí)驗(yàn)結(jié)果進(jìn)行對(duì)比,能夠解決普通預(yù)測(cè)方法所面臨的諸多挑戰(zhàn),同時(shí)也能在一定程度上規(guī)避人為因素所帶來的風(fēng)險(xiǎn)。我們對(duì)所有模型的基礎(chǔ)概念,以及利用模型進(jìn)行實(shí)驗(yàn)時(shí)的參數(shù),進(jìn)行了詳盡的描述。第一步,使用傳統(tǒng)金融算法預(yù)判走勢(shì),包括:移動(dòng)平均模... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：94 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-2分割訓(xùn)練平

電子科技大學(xué)碩士學(xué)位論文1812111..010,1,2,,(2-16)求解出之后，再根據(jù)，我們就可以求解出和，從而求得我們的最初目標(biāo)：找到最優(yōu)的平，即決策平。2.SVM核函數(shù)一般來，對(duì)給定的一個(gè)訓(xùn)練數(shù)據(jù)1,1,,,…,,，其中，屬于入空，∈的標(biāo)記有兩類∈1,1,1,2,…,，如果屬于的某個(gè)曲，可以把入樣本完美無的分類，我們就此種類型屬于線性分類情況。如圖2-3所示，在分類情況當(dāng)中，“”代表正類，“□”代表類。從圖中可以看出，在直線無法將正類完美無的分類時(shí)，我們能夠用一條曲線辦到。圖2-3線性分類情況

第二章相關(guān)知識(shí)介紹232.4深度學(xué)習(xí)更直觀的了解人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)它們之的聯(lián)系，如圖2-4所示：圖2-4深度學(xué)習(xí)概念關(guān)系圖從圖中可以看出，三個(gè)不同內(nèi)容之的聯(lián)系，從大到小分別是：人工智能，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)。深度學(xué)習(xí)的提出源自人們對(duì)神經(jīng)網(wǎng)絡(luò)的深入探索。例如，深度學(xué)習(xí)的框架就包括具有多個(gè)藏層的多層感知機(jī)。因此，理解網(wǎng)絡(luò)的搭建和行方式是理解深度學(xué)習(xí)的關(guān)。第一步就要了解組成網(wǎng)絡(luò)的基本單位-神經(jīng)元。圖2-5神經(jīng)元結(jié)構(gòu)圖人工智能機(jī)器學(xué)習(xí)頭腦激發(fā)認(rèn)知系統(tǒng)神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)

【參考文獻(xiàn)】：
期刊論文
[1]中國與美國證券市場(chǎng)弱有效性檢驗(yàn)及對(duì)比分析——基于上證指數(shù)與S&P500指數(shù)的檢驗(yàn)[J]. 劉洪波,婁振.  時(shí)代金融. 2012(24)
[2]股票技術(shù)指標(biāo)相似性與有效性研究[J]. 方匡南,紀(jì)宏,路遜.  統(tǒng)計(jì)與信息論壇. 2009(09)
[3]自回歸法在時(shí)間序列預(yù)測(cè)中的應(yīng)用[J]. 陳婕.  建設(shè)科技. 2007(20)
[4]用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)股票市場(chǎng)漲跌[J]. 吳微,陳維強(qiáng),劉波.  大連理工大學(xué)學(xué)報(bào). 2001(01)

碩士論文
[1]基于網(wǎng)絡(luò)輿論的我國股票市場(chǎng)有效性檢驗(yàn)研究[D]. 陳江鵬.西南財(cái)經(jīng)大學(xué) 2013
[2]股票價(jià)格預(yù)測(cè)模型研究[D]. 馮居易.西安建筑科技大學(xué) 2008



本文編號(hào)：3216039