發(fā)布時(shí)間：2020-07-12 13:12

【摘要】：今天,隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展,資本市場(chǎng)特別是證券市場(chǎng)愈發(fā)受到青睞,無(wú)論對(duì)機(jī)構(gòu)還是個(gè)人投資者,股票價(jià)格預(yù)測(cè)一直是各方關(guān)注的重點(diǎn),在資本市場(chǎng)領(lǐng)域有重要的意義。傳統(tǒng)上,投資者基于統(tǒng)計(jì)技術(shù)分析或者簡(jiǎn)單機(jī)器學(xué)習(xí)方法進(jìn)行股價(jià)預(yù)測(cè),但由于股票市場(chǎng)是一個(gè)復(fù)雜的非線性動(dòng)態(tài)系統(tǒng),這些方法存在巨大的局限性。近年來(lái),神經(jīng)網(wǎng)絡(luò)依靠其強(qiáng)大的非線性建模能力在計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、自動(dòng)駕駛等各方面取得非常大的進(jìn)展,越來(lái)越多的人考慮利用神經(jīng)網(wǎng)絡(luò)進(jìn)行股價(jià)預(yù)測(cè),其中LSTM憑借其強(qiáng)大的序列建模能力獲得更多的青睞,人們也不斷通過(guò)理論創(chuàng)新、模型創(chuàng)新提升股價(jià)的預(yù)測(cè)精度。近期,時(shí)間卷積網(wǎng)絡(luò)(TCN)理論憑借其更佳強(qiáng)大的序列建模能力在時(shí)序任務(wù)中取得較LSTM等循環(huán)神經(jīng)網(wǎng)絡(luò)更好的效果;同時(shí),自編碼網(wǎng)絡(luò)作為一種無(wú)監(jiān)督學(xué)習(xí)算法,對(duì)于進(jìn)行特征工程、提取高級(jí)語(yǔ)義特征方面有獨(dú)特的效果。論文正是基于以上兩個(gè)方面對(duì)股價(jià)預(yù)測(cè)算法進(jìn)行創(chuàng)新。本論文深刻回顧了股價(jià)預(yù)測(cè)的理論意義及必要性,并系統(tǒng)闡述了近年來(lái)國(guó)內(nèi)外學(xué)者在股價(jià)預(yù)測(cè)模型創(chuàng)新中取得的進(jìn)展,特別地,針對(duì)目前表現(xiàn)良好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行深入探討,以此為基礎(chǔ)構(gòu)建股價(jià)預(yù)測(cè)創(chuàng)新模型——基于特征自編碼和時(shí)間卷積網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)模型,并利用股票歷史量?jī)r(jià)數(shù)據(jù)實(shí)證分析模型的優(yōu)越性。主要?jiǎng)?chuàng)新工作如下:(1)基于成熟的特征自編碼算法以及LSTM股價(jià)預(yù)測(cè)算法理論,首次將以上兩種算法相結(jié)合,構(gòu)建“特征自編碼網(wǎng)絡(luò)+LSTM”組合股價(jià)預(yù)測(cè)算法,通過(guò)與單純的LSTM算法進(jìn)行比較實(shí)證分析:選取深證成指成分股平安銀行歷史量?jī)r(jià)數(shù)據(jù),通過(guò)自編碼網(wǎng)絡(luò)進(jìn)行高級(jí)語(yǔ)義特征抽取,將高低級(jí)語(yǔ)義特征進(jìn)行結(jié)合,作為L(zhǎng)STM股價(jià)預(yù)測(cè)模型的輸入,進(jìn)行模型的訓(xùn)練及測(cè)試,將各項(xiàng)評(píng)價(jià)指標(biāo)與單純的LSTM股價(jià)預(yù)測(cè)模型進(jìn)行比較。通過(guò)以上的模型構(gòu)建和對(duì)比實(shí)證分析,得出以下結(jié)論:通過(guò)特征自編碼網(wǎng)絡(luò)的自訓(xùn)練學(xué)習(xí)得到的高級(jí)語(yǔ)義特征對(duì)于股價(jià)的預(yù)測(cè)效果有部分提升;通過(guò)t時(shí)刻之前timestep長(zhǎng)度的日期特征預(yù)測(cè)t+m時(shí)刻的股票價(jià)格,中等大小的m(本例中大致為20)取得的預(yù)測(cè)效果更穩(wěn)定,具有更好的效果。(2)基于已有的特征自編碼算法以及最新的時(shí)間卷積網(wǎng)絡(luò)(TCN)算法結(jié)構(gòu),首次將TCN算法應(yīng)用到股價(jià)預(yù)測(cè)任務(wù)中去,并與(1)中證明對(duì)股價(jià)預(yù)測(cè)有性能提升的“特征自編碼網(wǎng)絡(luò)”相結(jié)合,構(gòu)建“特征自編碼網(wǎng)絡(luò)+TCN”組合股價(jià)預(yù)測(cè)算法。將算法與(1)中的“特征自編碼網(wǎng)絡(luò)+LSTM”組合股價(jià)預(yù)測(cè)算法進(jìn)行比較實(shí)證分析:同樣選取相同的平安銀行歷史量?jī)r(jià)數(shù)據(jù),進(jìn)行與(1)中相同的操作。通過(guò)以上的模型構(gòu)建和對(duì)比實(shí)證分析,得出以下結(jié)論:通過(guò)時(shí)間卷積網(wǎng)絡(luò)的代替LSTM對(duì)于股價(jià)的預(yù)測(cè)效果有部分性能提升;通過(guò)t時(shí)刻之前timestep長(zhǎng)度的日期特征預(yù)測(cè)t+m時(shí)刻的股票價(jià)格,中等大小的m(本例中大致為20)取得的預(yù)測(cè)效果更穩(wěn)定,具有更好的效果;隨著預(yù)測(cè)數(shù)據(jù)時(shí)間步的延長(zhǎng),TCN處理長(zhǎng)串?dāng)?shù)據(jù)的能力得到釋放,模型的性能得到部分提升,但存在提升上限。最終,我們通過(guò)以上的分析證明了“特征自編碼網(wǎng)絡(luò)斗+TCN”模型在股價(jià)預(yù)測(cè)任務(wù)中的優(yōu)越性。
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：F832.51;F224
【圖文】：

山東大學(xué)碩士學(xué)位論文逡逑第２章理論基礎(chǔ)逡逑２．１股價(jià)預(yù)測(cè)基礎(chǔ)理論逡逑自股票市場(chǎng)誕生以來(lái)，無(wú)論是機(jī)構(gòu)投資者還是個(gè)人投資者一直致力于通過(guò)低逡逑買(mǎi)高賣(mài)獲取超額利潤(rùn)，因此提前預(yù)測(cè)股票價(jià)格的漲跌成為投資者孜孜不倦的追求。逡逑１８８４年由道瓊斯公司的創(chuàng)始人查爾斯？亨利？道（Ｃｈａｒｌｅｓ邋Ｈｅｎｒｙ邋Ｄｏｗ，邋１８５１－１９０２逡逑年）開(kāi)始編制的一種算術(shù)平均股價(jià)指數(shù)一道瓊斯指數(shù)（如下圖２－１所示），開(kāi)創(chuàng)逡逑了股票價(jià)格技術(shù)分析的先河，隨后價(jià)值投資、Ｋ線理論等投資理論相繼風(fēng)靡全球，逡逑人們寄希望于通過(guò)相關(guān)理論分析能夠先于市場(chǎng)獲得股價(jià)漲跌信息甚至于精確的逡逑股價(jià)情況。逡逑２００００．０邋－逡逑

卷積神經(jīng)網(wǎng)絡(luò)主要結(jié)構(gòu)為卷積層、池化層、全連接層，以及為增大感受野而逡逑創(chuàng)新的擴(kuò)張卷積，下面以二維卷積為例分別予以陳述。逡逑卷積層逡逑卷積層主要用來(lái)對(duì)輸入數(shù)據(jù)進(jìn)行特征提取，包含多個(gè)卷積核，組成卷積核的逡逑每個(gè)元素都對(duì)應(yīng)一個(gè)權(quán)重系數(shù)和一個(gè)偏差量（ｂｉａｓｖｅｃｔｏｒ），與一個(gè)前饋神經(jīng)網(wǎng)絡(luò)逡逑的神經(jīng)元（ｎｅｕｒｏｎ）相類(lèi)似。其中，每個(gè)神經(jīng)元都與前一層中位置接近的區(qū)域的逡逑多個(gè)神經(jīng)元相連，卷積核的大小由區(qū)域的大小決定，在文獻(xiàn)中被稱(chēng)為“感受野逡逑（ｒｅｃｅｐｔｉｖｅｆｉｅｌｄ）”。卷積核運(yùn)行時(shí)，會(huì)有規(guī)律地掃過(guò)輸入特征，對(duì)輸入特征在感逡逑受野內(nèi)做矩陣元素乘法求和并疊加偏差量（圖２－４），計(jì)算公式（２－１）如下：逡逑Ｋｌ邋ｆ邋ｆ逡逑Ｚ（ｌ＋１＼ｉ，ｊ）邋＝邋［Ｚｌ邋０邋ｗｌ］（ｉ，ｊ）邋＋邋／ｊ邋＝邋＾邋＾邋＾［ｚ＾（ｓ0ｔ邋＋邋ｘ，ｓ０ｊ邋＋邋ｙ）ｗｌｋ＋１（ｘ，ｙ）］邋＋邋ｂ逡逑ｋ＝ｌ邋ｘ＝ｌ邋ｙ＝ｌ逡逑

卷積神經(jīng)網(wǎng)絡(luò)主要結(jié)構(gòu)為卷積層、池化層、全連接層，以及為增大感受野而逡逑創(chuàng)新的擴(kuò)張卷積，下面以二維卷積為例分別予以陳述。逡逑卷積層逡逑卷積層主要用來(lái)對(duì)輸入數(shù)據(jù)進(jìn)行特征提取，包含多個(gè)卷積核，組成卷積核的逡逑每個(gè)元素都對(duì)應(yīng)一個(gè)權(quán)重系數(shù)和一個(gè)偏差量（ｂｉａｓｖｅｃｔｏｒ），與一個(gè)前饋神經(jīng)網(wǎng)絡(luò)逡逑的神經(jīng)元（ｎｅｕｒｏｎ）相類(lèi)似。其中，每個(gè)神經(jīng)元都與前一層中位置接近的區(qū)域的逡逑多個(gè)神經(jīng)元相連，卷積核的大小由區(qū)域的大小決定，在文獻(xiàn)中被稱(chēng)為“感受野逡逑（ｒｅｃｅｐｔｉｖｅｆｉｅｌｄ）”。卷積核運(yùn)行時(shí)，會(huì)有規(guī)律地掃過(guò)輸入特征，對(duì)輸入特征在感逡逑受野內(nèi)做矩陣元素乘法求和并疊加偏差量（圖２－４），計(jì)算公式（２－１）如下：逡逑Ｋｌ邋ｆ邋ｆ逡逑Ｚ（ｌ＋１＼ｉ，ｊ）邋＝邋［Ｚｌ邋０邋ｗｌ］（ｉ，ｊ）邋＋邋／ｊ邋＝邋＾邋＾邋＾［ｚ＾（ｓ0ｔ邋＋邋ｘ，ｓ０ｊ邋＋邋ｙ）ｗｌｋ＋１（ｘ，ｙ）］邋＋邋ｂ逡逑ｋ＝ｌ邋ｘ＝ｌ邋ｙ＝ｌ逡逑

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁萬(wàn)泉;;亞洲新興市場(chǎng)股價(jià)指數(shù)期貨的特點(diǎn)與發(fā)展[J];金融博覽;2010年04期

2 梁萬(wàn)泉;;海外股價(jià)指數(shù)期貨合約的比較與分析[J];海南金融;2010年11期

3 費(fèi)潔;;股價(jià)指數(shù)期貨定價(jià)模式研究[J];華北金融;2009年12期

4 李海生;李定安;龔志勇;;基于小波分解的股價(jià)指數(shù)期貨對(duì)現(xiàn)貨效應(yīng)的實(shí)證研究[J];上海經(jīng)濟(jì)研究;2008年02期

5 馬曉麗,王秋靜;關(guān)于在我國(guó)開(kāi)設(shè)股價(jià)指數(shù)期貨的思考[J];沿海企業(yè)與科技;2005年12期

6 ;股價(jià)指數(shù)[J];對(duì)外經(jīng)貿(mào)財(cái)會(huì);2001年05期

7 谷文艷;美國(guó)各主要股價(jià)指數(shù)解析[J];國(guó)際資料信息;2000年06期

8 孫建華;淺談開(kāi)設(shè)股價(jià)指數(shù)期貨交易[J];上海金融高等專(zhuān)科學(xué)校學(xué)報(bào);2000年01期

9 王琪英,姚秉琪,高紅霞;股價(jià)指數(shù)期貨[J];國(guó)際商務(wù)研究;1999年03期

10 丁華;股價(jià)指數(shù)波動(dòng)中的ARCH現(xiàn)象[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;1999年09期

相關(guān)會(huì)議論文 前3條

1 臧大年;;股價(jià)指數(shù)衍生商品市場(chǎng)發(fā)展[A];第九屆中國(guó)期貨分析師論壇專(zhuān)刊[C];2015年

2 鄒艷芬;;股價(jià)指數(shù)的綜合影響因素動(dòng)態(tài)模型分析[A];江蘇省現(xiàn)場(chǎng)統(tǒng)計(jì)研究會(huì)第九次學(xué)術(shù)年會(huì)論文集[C];2004年

3 王剛;韓立巖;;灰色模型在中國(guó)股票市場(chǎng)預(yù)測(cè)中的應(yīng)用[A];2002年中國(guó)管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2002年

相關(guān)重要報(bào)紙文章 前10條

1 湯亞平;當(dāng)閃電打下來(lái)時(shí) 你必須在場(chǎng)[N];證券時(shí)報(bào);2017年

2 ;說(shuō)說(shuō)香港創(chuàng)業(yè)板[N];科技日?qǐng)?bào);2001年

3 曼氏金融（新加坡）私人有限公司高級(jí)副總裁 Andrew Lu;由國(guó)際市場(chǎng)看股價(jià)指數(shù)期貨的操作[N];期貨日?qǐng)?bào);2006年

4 ;道指距歷史高位不到百點(diǎn)[N];第一財(cái)經(jīng)日?qǐng)?bào);2006年

5 中信建投期貨 劉超;股價(jià)指數(shù)風(fēng)格轉(zhuǎn)換特征研究[N];期貨日?qǐng)?bào);2008年

6 ;臺(tái)灣股市暴漲275.25點(diǎn)[N];中華工商時(shí)報(bào);2002年

7 深圳證券交易所綜合研究所 肖立見(jiàn)　王曉津;2008年全球股市暴跌的六大特征[N];證券時(shí)報(bào);2009年

8 證券時(shí)報(bào)記者 吳家明;外資逆市進(jìn)軍韓國(guó)股市[N];證券時(shí)報(bào);2009年

9 ;全國(guó)統(tǒng)一股價(jià)指數(shù)編制研究[N];中國(guó)證券報(bào);2001年

10 田舍;就業(yè)攀升美歐股市上揚(yáng)[N];國(guó)際商報(bào);2003年

相關(guān)博士學(xué)位論文 前5條

1 韓士專(zhuān);噪聲背景下的股市反饋機(jī)制研究[D];華南師范大學(xué);2004年

2 劉　勇;中國(guó)股價(jià)行為金融計(jì)量研究[D];東北財(cái)經(jīng)大學(xué);2005年

3 張立黨;資本市場(chǎng)中公司治理的信號(hào)機(jī)制研究[D];南開(kāi)大學(xué);2013年

4 賴(lài)宏仁;臺(tái)灣證券信用交易效能實(shí)證研究[D];暨南大學(xué);2010年

5 楊軍;中國(guó)股票市場(chǎng)價(jià)格行為實(shí)證研究[D];中共中央黨校;2011年

相關(guān)碩士學(xué)位論文 前10條

1 滿成劍;基于特征自編碼和時(shí)間卷積網(wǎng)絡(luò)的股價(jià)預(yù)測(cè)研究[D];山東大學(xué);2019年

2 呂曉龍;外匯干預(yù)、匯率預(yù)期與股價(jià)聯(lián)動(dòng)關(guān)系研究[D];安徽大學(xué);2019年

3 李敏;股價(jià)指數(shù)、CEO權(quán)力與上市公司并購(gòu)[D];安徽工業(yè)大學(xué);2018年

4 曹芳芳;我國(guó)IPO數(shù)量及融資額對(duì)股價(jià)指數(shù)的影響研究[D];湖南大學(xué);2018年

5 馮亞嬌;人民幣匯率與我國(guó)股價(jià)指數(shù)的關(guān)聯(lián)性分析[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2018年

6 麻燕;我國(guó)法定存款準(zhǔn)備金率調(diào)整對(duì)股價(jià)指數(shù)影響的實(shí)證研究[D];湖南大學(xué);2017年

7 李婧;深港通對(duì)AH股價(jià)差影響的實(shí)證分析[D];集美大學(xué);2017年

8 劉斌;我國(guó)股價(jià)指數(shù)期貨套利的相關(guān)問(wèn)題研究[D];浙江工商大學(xué);2013年

9 張保;基于GARCH模型的利率與股價(jià)指數(shù)收益率波動(dòng)相關(guān)性研究[D];東北大學(xué);2012年

10 楊陽(yáng);行業(yè)股價(jià)指數(shù)波動(dòng)溢出效應(yīng)的研究[D];江西財(cái)經(jīng)大學(xué);2012年

本文編號(hào)：2752007