【摘要】：金融領(lǐng)域是人工智能的重要應(yīng)用領(lǐng)域之一。量化投資模型研究主要集中于基于單視角、傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法,但單視角研究存在局限性,為此本文進(jìn)行如下研究:1)設(shè)計(jì)深度學(xué)習(xí)與多視角結(jié)合的短期擇時(shí)分類模型——DMVSTC模型。為了解決視角單一的局限性問題,本文設(shè)計(jì)的模型引入了多視角,并與深度學(xué)習(xí)相結(jié)合進(jìn)行短期擇時(shí)研究。首先,根據(jù)不同技術(shù)指標(biāo)訓(xùn)練出5個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型,分別進(jìn)行股票趨勢(shì)分類,得到圖像分類視角結(jié)果值;其次,訓(xùn)練LSTM模型完成股票收盤價(jià)預(yù)測(cè),處理后獲得股價(jià)預(yù)測(cè)視角結(jié)果值;然后,利用網(wǎng)絡(luò)爬蟲技術(shù)抓取數(shù)據(jù)并對(duì)其進(jìn)行文本分析處理及函數(shù)判斷,得到情緒指標(biāo)視角結(jié)果值;最后,對(duì)以上三個(gè)視角采用GBDT算法進(jìn)行信息融合完成股票短期擇時(shí)分類。回測(cè)實(shí)驗(yàn)表明相同視角情況下,多技術(shù)指標(biāo)優(yōu)于單技術(shù)指標(biāo);相同技術(shù)指標(biāo)情況下,三個(gè)視角優(yōu)于兩個(gè)視角。2)設(shè)計(jì)基于敏感指標(biāo)優(yōu)化的DMVSTC模型——SIDMVSTC模型。針對(duì)DMVSTC模型,無(wú)法解決特殊因素對(duì)結(jié)果起決定性影響的問題,本文在該模型信息融合階段進(jìn)行優(yōu)化,利用“敏感指標(biāo)”約束方程取值,回測(cè)實(shí)驗(yàn)證明SIDMVSTC模型效果優(yōu)于DMVSTC模型。3)設(shè)計(jì)實(shí)現(xiàn)多視角數(shù)據(jù)集成系統(tǒng)。為了獲取模型中三個(gè)視角的數(shù)據(jù)信息,根據(jù)系統(tǒng)的需求分析,本文設(shè)計(jì)實(shí)現(xiàn)了交易數(shù)據(jù)處理子系統(tǒng)和情緒指標(biāo)網(wǎng)絡(luò)爬蟲子系統(tǒng)。
【圖文】：

圖 1 池化采樣方式圖接層神經(jīng)網(wǎng)絡(luò)隱含層末端部分即是全連接層，在整個(gè)網(wǎng)絡(luò)中充當(dāng)“分池化層和激活函數(shù)層等操作如果被看作是將原始數(shù)據(jù)映射到隱層則是將網(wǎng)絡(luò)學(xué)習(xí)到的“分布式特征表示”映射到樣本的標(biāo)記全部結(jié)點(diǎn)均與全連接層的每個(gè)結(jié)點(diǎn)進(jìn)行連接，目的是將前層網(wǎng)絡(luò)來(lái)。因?yàn)槿B接層的特性導(dǎo)致其參數(shù)數(shù)量是所有層中最多、耗et 尋求了 CNN 模型深度與性能的相關(guān)性，通過不斷堆疊 3*3 微化層，構(gòu)筑成 16-19 層的卷積神經(jīng)網(wǎng)絡(luò)。在圖 2 是 VGGNet 各級(jí) 是 VGGNet 各級(jí)別的參數(shù)量中不難覺察，從 A 到 E 網(wǎng)絡(luò)層持續(xù)量增速放緩，關(guān)鍵原因是最后 3 個(gè)全連接層具有大參數(shù)量，其它而卷積層相對(duì)較耗時(shí)。

圖 1 池化采樣方式圖網(wǎng)絡(luò)隱含層末端部分即是全連接層，在整個(gè)網(wǎng)絡(luò)中充當(dāng)化層和激活函數(shù)層等操作如果被看作是將原始數(shù)據(jù)映射到是將網(wǎng)絡(luò)學(xué)習(xí)到的“分布式特征表示”映射到樣本的標(biāo)結(jié)點(diǎn)均與全連接層的每個(gè)結(jié)點(diǎn)進(jìn)行連接，目的是將前層因?yàn)槿B接層的特性導(dǎo)致其參數(shù)數(shù)量是所有層中最多、求了 CNN 模型深度與性能的相關(guān)性，通過不斷堆疊 3，，構(gòu)筑成 16-19 層的卷積神經(jīng)網(wǎng)絡(luò)。在圖 2 是 VGGNetVGGNet 各級(jí)別的參數(shù)量中不難覺察，從 A 到 E 網(wǎng)絡(luò)層速放緩，關(guān)鍵原因是最后 3 個(gè)全連接層具有大參數(shù)量，積層相對(duì)較耗時(shí)。
【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】：2019
【分類號(hào)】：F832.51;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鐘小秀;;基于人際投資模型指導(dǎo)孩子人際交往[J];中小學(xué)心理健康教育;2017年05期

2 鐘小秀;;基于人際投資模型科學(xué)指導(dǎo)婆媳關(guān)系[J];大眾心理學(xué);2017年07期

3 程希駿;;投資模型中目標(biāo)函數(shù)的修正[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;1989年11期

4 徐洪志;;層次分析法在投資模型中的應(yīng)用分析[J];中外企業(yè)家;2014年17期

5 王國(guó)棟;;一類投資模型的混沌控制[J];科學(xué)技術(shù)與工程;2009年23期

6 黃國(guó)石,周俊梅,陳焰;“釣魚”投資模型及其控制[J];控制理論與應(yīng)用;2001年05期

7 王石,楊文強(qiáng),金治明,李兵;一種推廣的連續(xù)情形經(jīng)濟(jì)投資模型[J];國(guó)防科技大學(xué)學(xué)報(bào);1999年01期

8 董承章;農(nóng)業(yè)投資模型與預(yù)測(cè)[J];中央財(cái)經(jīng)大學(xué)學(xué)報(bào);1997年10期

9 蔡惠平，陳黎敏;投資模型及其解法[J];工科數(shù)學(xué);1995年02期

10 景永強(qiáng);曹詠弘;李阿娜;;基于摩擦因素和風(fēng)險(xiǎn)價(jià)值的可能性組合投資模型[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2017年03期

相關(guān)會(huì)議論文 前10條

1 蔡中華;劉為;;可持續(xù)發(fā)展視角下的自然資本投資模型[A];和諧發(fā)展與系統(tǒng)工程——中國(guó)系統(tǒng)工程學(xué)會(huì)第十五屆年會(huì)論文集[C];2008年

2 宿潔;馬建華;;一類利用抵押貸款的風(fēng)險(xiǎn)投資模型[A];發(fā)展的信息技術(shù)對(duì)管理的挑戰(zhàn)——99’管理科學(xué)學(xué)術(shù)會(huì)議專輯（下）[C];1999年

3 陸榮;王曦;;制度演進(jìn)與投資膨脹:一個(gè)不確定性下的轉(zhuǎn)型期投資模型[A];2009年全國(guó)博士生學(xué)術(shù)會(huì)議：全球金融危機(jī)、中國(guó)的經(jīng)濟(jì)增長(zhǎng)與宏觀穩(wěn)定 論文集[C];2009年

4 Rainer Vallentin;Jens Mühlhaus;;具有可持續(xù)性元素的PER投資模型[A];2018全國(guó)裝配式被動(dòng)房高峰論壇暨第五屆中國(guó)被動(dòng)式集成建筑材料產(chǎn)業(yè)技術(shù)交流大會(huì)論文集[C];2018年

5 鞏國(guó)權(quán);王軍;強(qiáng)爽;;雙寡頭壟斷市場(chǎng)的信息安全投資模型研究[A];第九屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2007年

6 劉星;宗書聲;宗詩(shī)聲;;債務(wù)危機(jī)企業(yè)的投資行為研究[A];管理科學(xué)與系統(tǒng)科學(xué)進(jìn)展——全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第4卷）[C];1997年

7 李建章;陳德華;;一個(gè)非線性投資模型優(yōu)化解的初等算法[A];第九屆中國(guó)青年信息與管理學(xué)者大會(huì)論文集[C];2007年

8 陸榮;王曦;;制度演進(jìn)與投資膨脹:一個(gè)不確定性下的轉(zhuǎn)型期投資模型[A];2009年全國(guó)博士生學(xué)術(shù)會(huì)議論文集[C];2009年

9 吳玲;;最優(yōu)組合證券投資模型的實(shí)用性分析[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

10 郭文新;蘇云;曾勇;;風(fēng)險(xiǎn)規(guī)避、雙邊道德風(fēng)險(xiǎn)與風(fēng)險(xiǎn)投資的融資結(jié)構(gòu)[A];第三屆（2008）中國(guó)管理學(xué)年會(huì)——?jiǎng)?chuàng)業(yè)與中小企業(yè)管理分會(huì)場(chǎng)論文集[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 陳嘉禾 信達(dá)證券首席策略分析師;是時(shí)候再聊聊這個(gè)價(jià)值投資模型了[N];證券時(shí)報(bào);2018年

2 本報(bào)記者 陳植;“智能+金融”正遍地開花：監(jiān)管迎來(lái)新挑戰(zhàn)[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2017年

3 記者 李濤;藍(lán)籌白馬 一“指”把握[N];中華工商時(shí)報(bào);2017年

4 本報(bào)記者 張碩;失效的投資模型[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2013年

5 本報(bào)記者 陳植;交易員時(shí)代“退場(chǎng)” 華爾街熱衷機(jī)器人投資模型研發(fā)[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2019年

6 本報(bào)記者 陳植;北向資金階段性離場(chǎng)：成本抬升AI模型自主拋售[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2019年

7 蓋明鈺;優(yōu)化基金投資模型 實(shí)現(xiàn)對(duì)跟蹤指數(shù)的復(fù)制和超越[N];中國(guó)證券報(bào);2014年

8 本報(bào)記者 于揚(yáng);林正剛眼中的IT管理[N];網(wǎng)絡(luò)世界;2002年

9 思科公司供稿;確立IT管理機(jī)制[N];計(jì)算機(jī)世界;2002年

10 證券時(shí)報(bào)記者 朱景鋒;電腦勝人腦 量化基金今年顯威力[N];證券時(shí)報(bào);2012年

相關(guān)博士學(xué)位論文 前1條

1 羅震;面向創(chuàng)業(yè)企業(yè)的民間資本投資模式選擇研究[D];大連理工大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 靳玉良;基于深度學(xué)習(xí)與多視角結(jié)合的量化投資模型應(yīng)用研究[D];西北大學(xué);2019年

2 薛夢(mèng);基于松弛化二階隨機(jī)占優(yōu)約束的增強(qiáng)型指數(shù)投資模型的研究[D];南京理工大學(xué);2018年

3 朱晨;基于運(yùn)營(yíng)數(shù)據(jù)的電網(wǎng)基建投資模型及其應(yīng)用研究[D];電子科技大學(xué);2018年

4 張超予;基于雙優(yōu)化價(jià)值投資模型的行業(yè)輪動(dòng)策略[D];華南理工大學(xué);2018年

5 王育鴻;“極小投資模型”的風(fēng)險(xiǎn)測(cè)評(píng)和參數(shù)優(yōu)化[D];華南理工大學(xué);2012年

6 朱松;投資模型與隨機(jī)經(jīng)濟(jì)增長(zhǎng)[D];華中科技大學(xué);2006年

7 楊波;集中投資模型研究及其在我國(guó)A股市場(chǎng)的實(shí)證分析[D];重慶大學(xué);2005年

8 張逸進(jìn);“極小投資模型”的數(shù)理基礎(chǔ)與市場(chǎng)實(shí)證[D];華南理工大學(xué);2012年

9 李楠;考慮完整交易費(fèi)用組合投資模型的混合遺傳算法求解[D];天津大學(xué);2005年

10 鄧永盛;趨勢(shì)型量化投資模型在中國(guó)證券市場(chǎng)的應(yīng)用分析[D];云南財(cái)經(jīng)大學(xué);2015年

本文編號(hào)：2685925