隨著經(jīng)濟發(fā)展,證券市場在市場經(jīng)濟中的地位愈發(fā)凸顯,它既能為企業(yè)提供充足的現(xiàn)金流,又能滿足投資者對于高收益的要求。因此對證券市場趨勢的預(yù)測非常重要,有效的預(yù)測能夠讓國家、企業(yè)和投資者的各項舉措更具前瞻性,使大家能夠更好地利用積極趨勢、更好的應(yīng)對消極走向。本文首先總結(jié)了金融預(yù)測技術(shù)發(fā)展的三個階段,分析了用于預(yù)測金融時間序列的傳統(tǒng)方法。在傳統(tǒng)預(yù)測模型存在瓶頸和缺陷的背景下,本文引入了人工智能語音分析領(lǐng)域的深度學習模型,通過添加恒等映射將普通卷積神經(jīng)網(wǎng)絡(luò)的卷積層改為了殘差元結(jié)構(gòu),并利用空洞卷積擴大了模型的感受域,最終構(gòu)造出了專門用于金融預(yù)測的WaveNet條件時序卷積模型。在模型輸入方面,為了提高輸入數(shù)據(jù)的質(zhì)量,保證信息的全面性,本文綜合分析了對證券市場未來走勢存在影響的各方面因素,將這些因素分為了市場交易情況、宏觀政治經(jīng)濟因素、其他金融產(chǎn)品市場行情、其他國家證券市場行情和投資者信心等五個大類,并利用Wind金融資訊平臺從中篩選出了14個上證綜指收益率預(yù)測的條件變量。在實證預(yù)測研究中,本文模型取得了良好的預(yù)測效果;根據(jù)本文模型進行的真實市場交易也取得了不錯的收益。另外,本文還從行為金融學理論入... 

【文章來源】：蘭州大學甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 文獻綜述
    1.3 研究內(nèi)容與章節(jié)安排
    1.4 創(chuàng)新所在
第二章 金融時間序列預(yù)測的經(jīng)典模型
    2.1 時間序列模型
        2.1.1 時間序列模型
            2.1.1.1 自相關(guān)性
            2.1.1.2 平穩(wěn)性
        2.1.2 AR自回歸模型
        2.1.3 MA移動平均模型
        2.1.4 ARMA自回歸移動平均模型
    2.2 BP神經(jīng)網(wǎng)絡(luò)
    2.3 SVM支持向量機
        2.3.1 核函數(shù)與損失函數(shù)
        2.3.2 經(jīng)驗風險、期望風險與結(jié)構(gòu)風險
        2.3.3 支持向量回歸模型
    2.4 深度循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.4.1 Vanilla循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.4.2 LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)
第三章 WaveNet條件時序卷積模型的搭建
    3.1 理論基礎(chǔ)
        3.1.1 卷積神經(jīng)網(wǎng)絡(luò)
            3.1.1.1 卷積層
            3.1.1.2 池化層
        3.1.2 空洞卷積
        3.1.3 殘差網(wǎng)絡(luò)
    3.2 模型搭建
        3.2.1 WaveNet
        3.2.2 WaveNet條件時序卷積模型
第四章 上證綜指影響因素分析與條件時序構(gòu)造
    4.1 上證綜指影響因素分析
        4.1.1 上海證券交易所的交易統(tǒng)計
        4.1.2 國內(nèi)宏觀經(jīng)濟政策對中國證券市場的影響因素
        4.1.3 國內(nèi)債券、基金、外匯三市對中國證券市場的影響因素
        4.1.4 國際證券市場對中國證券市場的影響因素
        4.1.5 市場信心指數(shù)
    4.2 條件時序的構(gòu)造
第五章 上證綜指收益率的預(yù)測分析及多種方法的實證比較
    5.1 研究環(huán)境
    5.2 評價指標
    5.3 基于WaveNet條件時序卷積模型的月收益率預(yù)測
        5.3.1 月收益率的自回歸式預(yù)測
        5.3.2 月收益率的條件時序預(yù)測
    5.4 預(yù)測結(jié)果的實證比較
        5.4.1 自回歸序列與條件時間序列的預(yù)測比較
        5.4.2 WaveNet條件時序卷積模型與SVM模型、LSTM模型的月收益率預(yù)測比較
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 相關(guān)研究展望
參考文獻
致謝


【參考文獻】：
期刊論文
[1]中國A股市場個股收益影響因素的實證分析[J]. 周孝華,傅能普.  技術(shù)經(jīng)濟. 2013(08)
[2]我國股市中高與低市盈率股票收益率的實證分析[J]. 王磊.  金融理論與教學. 2011(04)
[3]多項式與SVM預(yù)測模型的理論分析及應(yīng)用比較[J]. 孫林,楊世元.  合肥工業(yè)大學學報(自然科學版). 2008(09)
[4]支持向量機在股票價格預(yù)測中的應(yīng)用[J]. 張玉川,張作泉.  北京交通大學學報. 2007(06)
[5]基于GARCH-BP模型的股指預(yù)測及實證分析[J]. 陳卓雷,蔣寒迪.  當代財經(jīng). 2006(06)
[6]中國采購經(jīng)理指數(shù)（CFLP-PMI）的研究與應(yīng)用[J]. 尤建新.  中國科技論壇. 2006(06)
[7]應(yīng)用ARCH模型對中國股市波動性的實證分析[J]. 曹偉龍.  世界經(jīng)濟情況. 2006(01)
[8]統(tǒng)計學習理論與支持向量機在過程控制中的應(yīng)用[J]. 王華忠,俞金壽.  化工自動化及儀表. 2004(05)
[9]我國國債市場當前存在的問題及其對策分析[J]. 郭濟敏.  河南金融管理干部學院學報. 2003(03)
[10]基于小波包和神經(jīng)網(wǎng)絡(luò)的股票價格預(yù)測模型[J]. 常松,何建敏.  中國管理科學. 2001(05)

碩士論文
[1]基于LSTM神經(jīng)網(wǎng)絡(luò)的美股股指價格趨勢預(yù)測模型的研究[D]. 孫瑞奇.首都經(jīng)濟貿(mào)易大學 2016



本文編號：3032393