發(fā)布時間：2025-02-01 20:21

　　隨著中國經(jīng)濟的不斷發(fā)展,股票投資已經(jīng)成為國內(nèi)流行的一種投資理財方式。股票價格的變動不僅會直接影響到股票市場的穩(wěn)定,而且還可以影響到經(jīng)濟和金融的健康發(fā)展。投資者往往需要通過預(yù)測股價走勢以從中獲益,同時政府和其他相關(guān)機構(gòu)也需要及時有效地規(guī)范和管理市場。然而,作為一個高度復(fù)雜和動態(tài)的系統(tǒng),股市受到許多因素的影響,包括商業(yè)趨勢等內(nèi)部因素和宏觀經(jīng)濟趨勢等外部因素。股票價格變動的復(fù)雜性和不可預(yù)測性是由于股票市場的波動性、非線性和低信號噪聲比等因素造成的。股票指數(shù)可以及時、全面地反映股票市場的變化,從中可以體現(xiàn)出股票價格的變化,因此需要對股指進行有效預(yù)測。為了對金融股指進行有效預(yù)測,本文提出了一種基于貝葉斯優(yōu)化的自適應(yīng)融合股指預(yù)測模型:該模型是經(jīng)驗?zāi)B(tài)分解(EMD)和長短期記憶(LSTM)模型的組合預(yù)測模型和單一LSTM模型構(gòu)成的集成模型,利用股指波動性判斷適用情況從而自適應(yīng)選取最優(yōu)模型,并且EMD-LSTM和LSTM模型的超參數(shù)利用貝葉斯優(yōu)化算法自動優(yōu)化。本文首先對股指進行了統(tǒng)計性描述,發(fā)現(xiàn)三個股指的波動具有明顯區(qū)別,就這一特征對數(shù)據(jù)進行建模,對比本文提出的模型與傳統(tǒng)時間序列模型及機器學(xué)習(xí)模型共6種...

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1RNN網(wǎng)絡(luò)結(jié)構(gòu)圖

?又荒?輕微影響系統(tǒng)的性能，不會損壞整個網(wǎng)絡(luò)，保證了高魯棒性和容錯性。循環(huán)神經(jīng)網(wǎng)絡(luò)（RecurrentNeuralNetworks，RNN），是由Hopfield于1983年首次引入。RNN是一個強大的人工神經(jīng)網(wǎng)絡(luò)，它使用歷史時間序列數(shù)據(jù)來預(yù)測特定時間長度的未來數(shù)據(jù)。與前饋神經(jīng)網(wǎng)....

圖2.2LSTM細(xì)胞結(jié)構(gòu)圖

第2章相關(guān)理論與方法12兩個方程規(guī)定了簡單的遞歸神經(jīng)網(wǎng)絡(luò)中前向傳遞的每個時間步的所有必要計算，如式（2.12）和（2.13）。RNN一次處理一個輸入序列的一個元素，在其隱藏單元中保持一個“狀態(tài)向量”，該單元隱式包含關(guān)于序列中所有過去元素的歷史信息。通過延遲器和反饋連接，RNN可以....

圖3.1EMD分解原理

第3章改進的算法16圖3.1EMD分解原理EMD分解是自適應(yīng)的分解工具，它是一種完全基于信號本身特征的分解。它適用于線性和非線性序列，可以直接分析，無需事先分析和研究未知信號，所以EMD分解更加適用于金融時序序列[57-58]。3.3EMD-LSTM模型在以上的討論基礎(chǔ)上，采用了....

圖3.2EMD-LSTM模型結(jié)構(gòu)圖

第3章改進的算法17圖3.2EMD-LSTM模型結(jié)構(gòu)圖從圖3.2可以看出EMD-LSTM模型結(jié)構(gòu)：首先，將金融股指日收盤價數(shù)據(jù)進行EMD分解，得到多個IMF序列和一個殘差序列，再分別將各個序列作為LSTM模型的輸入進而訓(xùn)練LSTM模型，最后將各分量經(jīng)過LSTM模型的預(yù)測結(jié)果加和匯....

本文編號：4029582