金融市場在現(xiàn)代經(jīng)濟中扮演著重要的作用,一方面對政策制定者來說對金融市場的有效預測能使其更好的對宏觀經(jīng)濟進行預判,進而制定相關(guān)政策引導經(jīng)濟健康運行,另一方面對金融市場的參與者來說,金融市場的預測對構(gòu)建投資組合、進行風險管理尤為重要。但金融市場的復雜性導致傳統(tǒng)的ARMA等模型預測結(jié)果往往不是很理想。而自上世紀九十年代以來,人工智能作為計算機科學的一個分支,其概念被不斷提及,學術(shù)界、工商業(yè),乃至社會大眾無不對人工智能趨之若鶩。隨著計算機性能的提高和算法的不斷優(yōu)化,人工智能的理論、方法和技術(shù)都得到了普遍的重視和提升。尤其在圖像識別、語音識別、自動駕駛、機器翻譯等領(lǐng)域,人工智能逐漸從幕后走向前臺,并開始大展拳腳,在很多相關(guān)行業(yè)應用的范圍也在不斷擴大,這不禁讓人聯(lián)想到人工智能應用在金融市場的美好前景。本文將機器學習模型應用到中國A股市場上,主要使用支持向量機模型、人工神經(jīng)網(wǎng)絡(luò)模型、隨機森林模型和三者的集成模型對中國A股股票未來三天漲跌的方向進行預測,并根據(jù)漲跌的概率選擇最大的M只股票構(gòu)建投資組合,建模包括獲取數(shù)據(jù)、確立特征變量和目標變量、劃分訓練集和測試集、數(shù)據(jù)預處理、特征選擇、模型參數(shù)調(diào)優(yōu)、模型... 

【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：51 頁

【學位級別】：碩士

【部分圖文】：

圖４－３凈值曲線圖??

【參考文獻】：
期刊論文
[1]基于DAE-BP神經(jīng)網(wǎng)絡(luò)的股票預測研究[J]. 鄧烜堃,萬良,黃娜娜.  計算機工程與應用. 2019(03)
[2]隨機森林在股票趨勢預測中的應用[J]. 張瀟,韋增欣.  中國管理信息化. 2018(03)
[3]基于多輸出學習的滬深300指數(shù)預測研究[J]. 唐艷琴,潘志松,張艷艷.  計算機科學. 2017(S2)
[4]基于股民評論信息的股票預測方法研究[J]. 張凱,任維平,張仰森,尤建清.  北京信息科技大學學報(自然科學版). 2017(05)
[5]基于改進的支持向量機的股票預測方法[J]. 郝知遠.  江蘇科技大學學報(自然科學版). 2017(03)
[6]小波分析下的神經(jīng)網(wǎng)絡(luò)股票預測研究[J]. 孫冰潔,唐瑞,左毅,黃明和.  計算機與數(shù)字工程. 2016(06)
[7]基于SVM股票價格預測的核函數(shù)應用研究[J]. 黃同愿,陳芳芳.  重慶理工大學學報(自然科學). 2016(02)
[8]基于小波支持向量機回歸的股票預測[J]. 李坤,譚夢羽.  統(tǒng)計與決策. 2014(06)
[9]基于PCA的BP神經(jīng)網(wǎng)絡(luò)股票預測研究[J]. 李杰,王建中,胡紅萍.  太原師范學院學報(自然科學版). 2011(03)
[10]基于支持向量機的股票預測[J]. 張晨希,張燕平,張迎春,陳潔,萬忠.  計算機技術(shù)與發(fā)展. 2006(06)



本文編號：3069684