發(fā)布時間：2021-12-10 09:43

　　本文主要利用機器學習中的長短期記憶神經(jīng)網(wǎng)絡模型進行建模,分別從技術分析和基本分析兩個不同的層面來研究中國證券市場的投資優(yōu)化選擇及其投資收益問題.從技術分析的層面出發(fā),首先選取上海證券交易所中100家上市公司,又選取了每家上市公司的7個交易數(shù)據(jù)及其常用的10個技術分析指標;其次利用主成分分析法對17個指標進行降維處理,得到3個綜合特征變量.然后使用主成分結果作為長短期記憶神經(jīng)網(wǎng)絡的輸入,收益率作為目標輸出,不斷地訓練網(wǎng)絡,從而得到了依據(jù)長短期記憶神經(jīng)網(wǎng)絡構建的預測模型.最后利用我們所建立的網(wǎng)絡模型模擬投資了 32天,累計收益率達到0.1007,比已有研究的結果分別提高了 158.2%和21.4%.另一方面,從基本分析角度出發(fā),同樣從100家上市公司中以11個財務數(shù)據(jù)指標為分析依據(jù),得到基于主成分分析和長短期記憶神經(jīng)網(wǎng)絡的預測模型.通過兩年半的模擬投資,累計收益率和夏普比率分別達到0.7938和0.4721,和已有研究的結果相比,投資兩年半累計收益率相差不大,但風險降低了很多.總之,本文所用到的預測模型比已有研究的結果好很多,具有很高的實用價值。 

【文章來源】：鄭州大學河南省 211工程院校

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【部分圖文】：

圖１．３．１由ＲＮＮ到ＬＳＴＭ網(wǎng)絡添加的記憶單元??

，，假如我們再增加一個狀態(tài)，即ｃ，讓它來保存長期的狀態(tài)，讓它有：??＇Ｏ：：０?＾??〇??原始?ＲＮＮ?ＬＳＴＭ??圖１．３．１由ＲＮＮ到ＬＳＴＭ網(wǎng)絡添加的記憶單元??圖按照時間維度展開可以看到：??

圖１．３．３?ＲＮＮ神經(jīng)網(wǎng)絡結構圖??圖中可以看出，ｉ？ｉＶｉＶ神經(jīng)網(wǎng)絡的結構非常簡單，只有一個單層，通過當?shù)妮敵鰜淼玫疆斍拜敵觯c丑Ｐ神經(jīng)網(wǎng)絡相比，經(jīng)過簡單地改造，它已時刻學習到的信息進行當前時刻的學習了．??ＴＭ的結構與上面相似，不同的是它的重復模塊會比較復雜一點，它有四＠?＠?？??—?ｔ?／?ｔ?，?ｔ??Ａ?識：Ａ?ｈ．‘，??Ｌ，?Ｊ?＾?．．．．．??ｙ＊??１?１?ｌ??？?？?？??

【參考文獻】：
期刊論文
[1]股票收盤價建立廣義自回歸條件異方差模型的實證分析[J]. 祝萬偉,李福安.  區(qū)域金融研究. 2015(09)
[2]基于貝葉斯分類法的股票選擇模型的研究[J]. 駱樺,張喜梅.  浙江理工大學學報. 2015(05)
[3]基于MATLAB的自回歸移動平均模型（ARMA）在股票預測中的應用[J]. 翟志榮,白艷萍.  山西大同大學學報(自然科學版). 2010(06)
[4]股指期貨與我國股票市場發(fā)展[J]. 麻衛(wèi)華,李玉紅.  金融教學與研究. 2004(05)
[5]股票價格指數(shù)的投資功能[J]. 劉長虎,陶建格,崔衍秋.  市場論壇. 2004(06)
[6]我國股票市場和宏觀經(jīng)濟變量關系的經(jīng)驗研究[J]. 劉勇.  財貿(mào)經(jīng)濟. 2004(04)
[7]移動平均線在股市中的運用[J]. 謝衛(wèi)東.  價格月刊. 1999(01)
[8]指數(shù)平滑方法在預測股市行情中的應用[J]. 翁小清,甄增榮.  河北財經(jīng)學院學報. 1994(03)

碩士論文
[1]基于循環(huán)神經(jīng)網(wǎng)絡的證券選擇[D]. 李浩丹.鄭州大學 2018
[2]神經(jīng)網(wǎng)絡與證券選擇[D]. 張倩.鄭州大學 2017



本文編號：3532366