發(fā)布時間：2021-11-26 17:34

　　近年來,互聯(lián)網(wǎng)在改變大眾消費方式的同時也促進了電子商務行業(yè)的快速擴張,眾多互聯(lián)網(wǎng)及電子商務領域的企業(yè)紛紛開始上市融資,以求企業(yè)能獲得更持久的發(fā)展,同時電子商務因其發(fā)展的不確定性以及較大的競爭,也承擔著較大的風險。因而,對互聯(lián)網(wǎng)和電商領域的上市企業(yè)的股票進行研究,無論對于企業(yè)還是投資者都具有重要的現(xiàn)實意義。上市公司股票作為市場經(jīng)濟的獨特產(chǎn)物,不僅是企業(yè)投融資的重要手段,也是投資者獲利的重要方式,在宏觀經(jīng)濟調(diào)控、資源配置等方面也發(fā)揮著重要作用。文章以涉及互聯(lián)網(wǎng)和電子商務業(yè)務的上市企業(yè)股票為研究對象,通過對國內(nèi)外股票質(zhì)量評價理論及方法進行研究,提出了利用深度學習算法來建立股票質(zhì)量評價預測模型,目的是給投資者提供決策支持。研究主要有以下幾個內(nèi)容:首先是背景及思想闡述,文章分析了有關電子商務、股票評價理論與神經(jīng)網(wǎng)絡發(fā)展的研究現(xiàn)狀,對股票質(zhì)量的影響因素和常用評價指標進行詳細介紹,闡述了神經(jīng)網(wǎng)絡理論、幾類常見的結構框架以及本文所采用的算法。其次是基于股票質(zhì)量影響因素創(chuàng)建指標評價體系,本文選取了實驗樣本為502家涉及互聯(lián)網(wǎng)及電商業(yè)務的上市公司股票,通過對公司近三年的財務報表和相關網(wǎng)站中披露的信息進行分... 

【文章來源】：遼寧師范大學遼寧省

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

論文基本框架

圖 2.1 影響因素樹狀圖ig.2.1 Influencing factors tree以上各種影響因素，而這些因用數(shù)學公式將相關因素進行供各項參考依據(jù)是股票分析產(chǎn)收益率（ROE）、市盈率（司前景、短期買點、中期趨量指標、波動性指標、人氣：股票質(zhì)量矩陣；如圖 2.2 股票質(zhì)量極為關鍵的指標，它能力。一般來說，ROE 越大越?jīng)r很好的公司。

圖 2.2 常用指標Fig.2.2 Common indica經(jīng)網(wǎng)絡模型經(jīng)網(wǎng)絡（Artifiical Nerual Network，ANN元連接而形成的多層網(wǎng)絡結構，通過學習容錯性、自適應學習能力強、泛化力強等優(yōu)經(jīng)網(wǎng)絡研究的開始[37]，早期的人工神經(jīng)網(wǎng)絡 1986 年 BP 算法的發(fā)現(xiàn)，使得非線性的學習但因多層網(wǎng)絡的訓練比較復雜，在 2006 年 年，多倫多大學 Hinton 教授發(fā)表于《 Sci章稱可用無監(jiān)督預訓練來解決深度神經(jīng)網(wǎng)絡絡學習的熱浪。

【參考文獻】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡在腦脊液圖像分類上的應用[J]. 龔震霆,陳光喜,曹建收.  計算機工程與設計. 2017(04)
[2]互學習神經(jīng)網(wǎng)絡訓練方法研究[J]. 劉威,劉尚,白潤才,周璇,周定寧.  計算機學報. 2017(06)
[3]上市公司破產(chǎn)風險時間效應的理論猜想[J]. 郭婷婷.  求是學刊. 2017(02)
[4]深度卷積神經(jīng)網(wǎng)絡在計算機視覺中的應用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)
[5]高管團隊特征對企業(yè)國際市場進入模式的影響研究——注意力的中介作用[J]. 吳建祖,關斌.  管理評論. 2015(11)
[6]深度神經(jīng)網(wǎng)絡在維吾爾語大詞匯量連續(xù)語音識別中的應用[J]. 麥麥提艾力·吐爾遜,戴禮榮.  數(shù)據(jù)采集與處理. 2015(02)
[7]基于SOM神經(jīng)網(wǎng)絡的半監(jiān)督分類算法[J]. 趙建華.  西華大學學報(自然科學版). 2015(01)
[8]機器學習中知識動態(tài)獲取在函數(shù)逼近中的探究[J]. 何成剛,張燕平,張站,張娟.  微計算機信息. 2010(27)
[9]等效分組級聯(lián)BP網(wǎng)絡模型及其應用[J]. 魯智勇,張權,張希,唐朝京.  電子學報. 2010(06)
[10]基于財務指標體系的中國上市公司投資價值分析[J]. 劉建容,潘和平.  管理學家(學術版). 2010(05)

博士論文
[1]半監(jiān)督學習和數(shù)值模擬的煤層底板突水預警系統(tǒng)研究[D]. 劉雪艷.太原理工大學 2016
[2]我國股票市場波動非對稱特性的研究[D]. 劉毅.同濟大學 2008
[3]基于粗集—小波神經(jīng)網(wǎng)絡的煤炭企業(yè)管理研究[D]. 蔡振禹.天津大學 2007
[4]中國股票市場的非線性分析與預測[D]. 韓文蕾.西北工業(yè)大學 2006
[5]小波網(wǎng)絡建模預報方法研究及其在股市預測中的應用[D]. 呂淑萍.哈爾濱工程大學 2004

碩士論文
[1]基于深度學習的主題建模方法研究[D]. 朱佳暉.武漢大學 2017
[2]激活函數(shù)導向的RNN算法優(yōu)化[D]. 張堯.浙江大學 2017
[3]基于新型特征選擇方法的網(wǎng)頁瀏覽和網(wǎng)絡視頻業(yè)務分類研究[D]. 王凱.南京郵電大學 2016
[4]基于改進卷積神經(jīng)網(wǎng)絡算法的研究與應用[D]. 王飛飛.南京郵電大學 2016
[5]基于神經(jīng)網(wǎng)絡的電力負荷預測研究與實現(xiàn)[D]. 石德琳.山東大學 2016
[6]基于神經(jīng)網(wǎng)絡技術的股票買入點預測系統(tǒng)的設計與實現(xiàn)[D]. 張宇.北京工業(yè)大學 2016
[7]微表情識別的理論和方法研究[D]. 劉宇灝.東南大學 2016
[8]基于深度學習的問題分類的研究[D]. 周鑫鵬.哈爾濱工業(yè)大學 2016
[9]基于文本情感分析的股價預測研究與實現(xiàn)[D]. 戴成駿.重慶大學 2016
[10]中國股指期貨市場與現(xiàn)貨市場關系的實證分析[D]. 王亞楠.天津大學 2015



本文編號：3520623