從1990年滬深交易所開盤到現(xiàn)在,中國的證券市場雖然已過了30年的起伏,但隨著中國資本市場改革的深入和基本管理制度的健全,我國的滬深市場不斷完善,在完善的過程中也吸引了國外的風險資本、金融資本以及國內(nèi)市場的居民資本。這些資本對我國滬深市場的穩(wěn)定性和價值性認同度加深,參與的熱情也穩(wěn)步提高。與此同時,如何運用計量手段對股票價格進行合理預測的研究也隨之興起。通過揭示股票價格的走向,引導理性投資、價值投資,對活躍資本市場和穩(wěn)定經(jīng)濟全局存在重要的應用價值�，F(xiàn)有的主流做法中,如何對股票價格進行精準預測,目前的做法主要是時間序列預測和神經(jīng)網(wǎng)絡預測這兩種。時間序列分析法,利用股票市場周期性強的特點,僅需要近期價格數(shù)據(jù)就可以對未來趨勢就行模擬,應用簡單,對短期預測較為準確,但長期可能會存在一定偏差;神經(jīng)網(wǎng)絡分析法,將股票市場看作一個非線性的整體系統(tǒng),具有自我學習能力和自適應能力強、容錯率較高的優(yōu)點,但是在實際應用中也出現(xiàn)了收斂速度慢等問題。因此,運用單一方法對股票價格趨勢預測是非常困難的,所以在本文中同時構建了 ARIMA模式、BP神經(jīng)網(wǎng)絡模式和長短時間記憶神經(jīng)網(wǎng)絡模式,對上證50指數(shù)進行了預測,并探討...

【文章頁數(shù)】：48 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    第一節(jié) 研究背景
    第二節(jié) 研究目的和研究意義
        一、研究目的
        二、研究意義
    第三節(jié) 論文結構和內(nèi)容安排
    第四節(jié) 創(chuàng)新點
第二章 文獻綜述
    第一節(jié) 金融市場價格預測文獻綜述
        一、時間序列法
        二、神經(jīng)網(wǎng)絡模型預測法
    第二節(jié) 投資者情緒研究
    第三節(jié) 文獻評述
第三章 理論分析與分析方法
    第一節(jié) 金融市場理論和深度學習預測理論
        一、技術分析理論
        二、行為金融學理論
        三、深度學習預測理論
    第二節(jié) ARIMA時間序列模型
    第三節(jié) BP神經(jīng)網(wǎng)絡模型
    第四節(jié) LSTM神經(jīng)網(wǎng)絡模型
        一、LSTM神經(jīng)網(wǎng)絡模型的結構
        二、LSTM神經(jīng)網(wǎng)絡模型的優(yōu)點
        三、深度學習模型的優(yōu)化方法
    第五節(jié) 理論小結
第四章 模型構建及結果分析
    第一節(jié) ARIMA時間序列模型設計及結果分析
        一、模型構建與定階
        二、殘差檢驗
        三、數(shù)據(jù)處理
        四、結果分析
    第二節(jié) BP神經(jīng)網(wǎng)絡模型
        一、BP神經(jīng)網(wǎng)絡模型設計
        二、BP神經(jīng)網(wǎng)絡模型數(shù)據(jù)處理
        三、結果分析
第五章 LSTM神經(jīng)網(wǎng)絡模型的數(shù)據(jù)處理和模型構建
    第一節(jié) LSTM模型數(shù)據(jù)選取及處理
        一、LSTM模型數(shù)據(jù)集的選取說明
        二、輸入特征的選擇
        三、LSTM神經(jīng)網(wǎng)絡模型數(shù)據(jù)預處理
    第二節(jié) LSTM神經(jīng)網(wǎng)絡模型設計
        一、輸入層和輸出層的選擇
        二、隱含層的設計
        三、LSTM模型的訓練集和測試集對比
    第三節(jié) 預測模型結果對比
    第四節(jié) 滬深300指數(shù)的驗證
第六章 結論與展望
    第一節(jié) 研究結論
    第二節(jié) 不足之處和展望
參考文獻
致謝
學位論文評閱及答辯情況表



本文編號：3926247