【摘要】：股票預(yù)測研究是金融大數(shù)據(jù)的一個(gè)應(yīng)用研究方向,隨著信息技術(shù)的發(fā)展,股票預(yù)測研究不僅僅拘泥于基本分析方法,而是更多地使用技術(shù)分析方法,如機(jī)器學(xué)習(xí)方法,并且取得了具有一定意義的研究成果。其中,神經(jīng)網(wǎng)絡(luò)方法,為股票預(yù)測研究提供了新的建模方法。本文在研究股票預(yù)測問題的相關(guān)背景、方法或模型以及相關(guān)理論知識(shí)的基礎(chǔ)上,將視角這個(gè)概念引入到股票預(yù)測問題的研究中,從視角出發(fā)來研究股票預(yù)測問題。本文的主要研究工作有以下方面:1.提出基于單視角特征數(shù)據(jù)的BPNN模型,并進(jìn)行股票預(yù)測研究。從視角出發(fā),用基于單視角特征數(shù)據(jù)的BPNN模型來進(jìn)行股票預(yù)測研究�；谥袊善笔袌鯝股的上海證券交易所浦發(fā)銀行(股票代碼為SH600000)的股票歷史數(shù)據(jù),經(jīng)過開發(fā)的金融大數(shù)據(jù)基礎(chǔ)數(shù)據(jù)處理平臺(tái)的處理,得到基于技術(shù)指標(biāo)視角的特征數(shù)據(jù),基于單技術(shù)指標(biāo)視角特征數(shù)據(jù)來進(jìn)行確定該模型最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)和股票預(yù)測的實(shí)證分析。2.提出基于多視角特征數(shù)據(jù)信息融合的BPNN模型,并進(jìn)行股票預(yù)測研究。針對(duì)單視角特征數(shù)據(jù)的信息不完整問題,從多視角特征數(shù)據(jù)出發(fā),通過信息融合的方式將多個(gè)視角的特征數(shù)據(jù)進(jìn)行特征級(jí)信息融合,從而用基于多視角特征數(shù)據(jù)信息融合的BPNN模型來進(jìn)行股票預(yù)測研究�；谥袊善笔袌鯝股的上海證券交易所浦發(fā)銀行(股票代碼為SH600000)的股票歷史數(shù)據(jù),經(jīng)過開發(fā)的金融大數(shù)據(jù)基礎(chǔ)數(shù)據(jù)處理平臺(tái)的處理,得到多技術(shù)指標(biāo)視角信息融合的特征數(shù)據(jù),并進(jìn)行確定該模型最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)和股票預(yù)測的實(shí)證分析。結(jié)果表明,基于多視角信息融合特征數(shù)據(jù)的預(yù)測結(jié)果優(yōu)于基于單視角特征數(shù)據(jù)的預(yù)測結(jié)果,也優(yōu)于基于股票歷史數(shù)據(jù)的BPNN模型的結(jié)果。3.提出基于多視角特征數(shù)據(jù)集成學(xué)習(xí)的BPNN模型,并進(jìn)行股票預(yù)測研究。同時(shí)還提出相應(yīng)的集成學(xué)習(xí)算法——Bag MVFD-BPNN算法。針對(duì)單視角特征數(shù)據(jù)的信息的不完整問題,從多視角特征數(shù)據(jù)出發(fā),通過集成學(xué)習(xí)的方式,利用Bag MVFD-BPNN算法,用基于多視角特征數(shù)據(jù)集成學(xué)習(xí)的BPNN模型來進(jìn)行股票預(yù)測研究�；谥袊善笔袌鯝股的上海證券交易所浦發(fā)銀行(股票代碼為SH600000)的股票歷史數(shù)據(jù),經(jīng)過開發(fā)的金融大數(shù)據(jù)基礎(chǔ)數(shù)據(jù)處理平臺(tái)的處理,得到多技術(shù)指標(biāo)視角特征數(shù)據(jù),并進(jìn)行確定該模型最優(yōu)網(wǎng)絡(luò)結(jié)構(gòu)和股票預(yù)測的實(shí)證分析。結(jié)果表明,基于多視角特征數(shù)據(jù)集成學(xué)習(xí)的預(yù)測結(jié)果優(yōu)于基于單視角特征數(shù)據(jù)的預(yù)測結(jié)果,優(yōu)于基于多視角信息融合特征數(shù)據(jù)的預(yù)測結(jié)果,也優(yōu)于基于股票歷史數(shù)據(jù)的BPNN模型的結(jié)果。同時(shí),還可知影響股票預(yù)測結(jié)果的各技術(shù)指標(biāo)視角的重要度以及主要技術(shù)指標(biāo)視角,即多視角特征數(shù)據(jù)的多視角特征選擇,從而可為股民的股票投資提供主要技術(shù)指標(biāo)視角的參考意見和預(yù)測結(jié)果參考意見,指導(dǎo)股民的股票投資。
【圖文】：

第二章 相關(guān)理論NN）。神經(jīng)網(wǎng)絡(luò)模型是基于對(duì)人腦的基本屬性的模擬形成的，人類的大的，神經(jīng)網(wǎng)絡(luò)模型并沒有完全反映大腦的基本功能，僅僅是對(duì)其進(jìn)行抽象。神經(jīng)網(wǎng)絡(luò)模型由大量的人工神經(jīng)元模型相互連接構(gòu)成，可實(shí)現(xiàn)輸入變量一個(gè)非線性映射。其中，多對(duì)一的非線性映射（即輸入變量為多個(gè)，，而輸個(gè)）為其一般映射結(jié)構(gòu)，當(dāng)然也有多對(duì)多的非線性映射（即輸入變量為多也有多個(gè)）[40]。工神經(jīng)元模型工神經(jīng)元模型是一種數(shù)學(xué)模型，它近似模擬生物神經(jīng)網(wǎng)絡(luò)中的生物神經(jīng)元入單輸出的非線性模型。一個(gè)人工神經(jīng)元模型由輸入向量，網(wǎng)絡(luò)的權(quán)值和元，激活函數(shù)和輸出組成。生物神經(jīng)元模型和人工神經(jīng)元模型分別如圖 ]。

型是一種數(shù)學(xué)模型，它近似模擬生物神經(jīng)網(wǎng)絡(luò)中的非線性模型。一個(gè)人工神經(jīng)元模型由輸入向量，網(wǎng)數(shù)和輸出組成。生物神經(jīng)元模型和人工神經(jīng)元模型圖 1 生物神經(jīng)元模型圖
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.13;F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊培;姚宏亮;;基于支持向量機(jī)的股票預(yù)測系統(tǒng)[J];淮北職業(yè)技術(shù)學(xué)院學(xué)報(bào);2014年04期

2 陳俏;梁利利;謝麗娟;;股票預(yù)測的研究進(jìn)展[J];商業(yè)文化(下半月);2012年06期

3 張晨希;張燕平;張迎春;陳潔;萬忠;;基于支持向量機(jī)的股票預(yù)測[J];計(jì)算機(jī)技術(shù)與發(fā)展;2006年06期

4 陳星;武麗芳;王福明;;基于GA-BP神經(jīng)網(wǎng)絡(luò)的股票預(yù)測研究[J];山西電子技術(shù);2014年01期

5 路子愚;;股票預(yù)測為何難奏效[J];大眾理財(cái)顧問;2009年07期

6 劉廷;;基于支持向量機(jī)的股票預(yù)測[J];信息通信;2015年08期

7 周昌樂;王迪迪;;一種新的部分神經(jīng)進(jìn)化網(wǎng)絡(luò)的股票預(yù)測(英文)[J];心智與計(jì)算;2010年03期

8 胡代平,劉豹;多agent股票預(yù)測支持系統(tǒng)的設(shè)計(jì)[J];系統(tǒng)工程;2001年02期

9 李勝格;;改進(jìn)的神經(jīng)網(wǎng)絡(luò)BP算法在股票預(yù)測中的應(yīng)用[J];希望月報(bào)(上半月);2007年08期

10 張瀟;韋增欣;楊天山;;GBDT組合模型在股票預(yù)測中的應(yīng)用[J];海南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年01期

相關(guān)重要報(bào)紙文章 前3條

1 ;股票預(yù)測卡理論獨(dú)特[N];國際金融報(bào);2001年

2 若沖;比追逐財(cái)富更重要[N];市場報(bào);2001年

3 方鴻儒;預(yù)測和預(yù)感[N];上海金融報(bào);2016年

相關(guān)碩士學(xué)位論文 前10條

1 黃煒;基于實(shí)時(shí)分布式計(jì)算的股票預(yù)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2018年

2 伯毅;基于XGBoost模型的短期股票預(yù)測[D];哈爾濱工業(yè)大學(xué);2018年

3 葉樹策;基于改進(jìn)布谷鳥算法的支持向量機(jī)在股票預(yù)測中的應(yīng)用[D];西華大學(xué);2018年

4 李丹;基于多視角特征數(shù)據(jù)的股票預(yù)測研究[D];西北大學(xué);2018年

5 周愷越;基于深度學(xué)習(xí)的股票預(yù)測方法的研究與實(shí)現(xiàn)[D];北京郵電大學(xué);2018年

6 楊程遠(yuǎn);結(jié)合情感分析的股票預(yù)測研究[D];內(nèi)蒙古大學(xué);2017年

7 徐嫩霞;基于協(xié)同認(rèn)知的智能股票預(yù)測[D];昆明理工大學(xué);2000年

8 宗娜娜;小波神經(jīng)網(wǎng)絡(luò)在股票預(yù)測中的研究與應(yīng)用[D];昆明理工大學(xué);2014年

9 歐陽光明;基于神經(jīng)網(wǎng)絡(luò)的股票預(yù)測系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2011年

10 吳濤;基于神經(jīng)網(wǎng)絡(luò)的模擬股票預(yù)測交易系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

本文編號(hào)：2640460