近年來,隨著計算機技術(shù)的快速發(fā)展,量化投資逐漸在金融投資領(lǐng)域興起,其中股票的量化投資最具代表性。但在股票市場中,股票交易頻繁且復雜,股價趨勢預測困難,使得普通投資者很難把握股票價格趨勢的變化規(guī)律。另外,許多量化投資策略僅是把交易思想直接借助計算機的輔助來實現(xiàn),策略本身自適應性較弱、通用性較差。目前股市仍然存在股價趨勢預測準確率低、投資收益率低、投資風險大等問題。針對上述問題,本文將人工智能技術(shù)應用于股票量化投資中,設(shè)計了全新的股票量化投資決策模型。模型包括數(shù)據(jù)預處理、趨勢預測和投資決策三個模塊。數(shù)據(jù)預處理模塊實現(xiàn)股票數(shù)據(jù)的修剪和信息匯總,并使用交易數(shù)據(jù)和指標數(shù)據(jù)兩類,保證數(shù)據(jù)的全面性。趨勢預測模塊提出一種股價趨勢轉(zhuǎn)折點預測算法PLR-IRF（Piecewise Linear Representation-Improved Random Forest）,實現(xiàn)轉(zhuǎn)折點提取、分類和預測。該算法是對分段線性表示（Piecewise Linear Representation,PLR）和隨機森林（Random Forest,RF）算法的優(yōu)化,可以實現(xiàn)PLR算法中閾值的自動設(shè)定,并使用遺傳算法（Ge... 

【文章來源】：天津工業(yè)大學天津市

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

圖２－１?ＲＦ分類器基本訓練過程??根據(jù)圖２－１所示，ＲＦ分類器的訓練過程可總結(jié)為以下四步：??

圖２－２交互過程??

圖３－１量化投資決策模型整體結(jié)構(gòu)圖??

【參考文獻】：
期刊論文
[1]深度學習在量化投資中的應用[J]. 李文鵬,高宇菲,錢佳佳,陳曦.  統(tǒng)計與管理. 2017(08)
[2]基于灰色神經(jīng)網(wǎng)絡(luò)的股票收益率預測[J]. 曹雷欣,孫紅兵.  計算機與數(shù)字工程. 2017(01)
[3]基于分段線性表示和高斯過程分類的股票轉(zhuǎn)折點概率預測[J]. 李豐,高峰,寇鵬.  計算機應用. 2015(08)
[4]基于趨勢轉(zhuǎn)折點的時間序列分段線性表示[J]. 廖俊,于雷,羅寰,穆中林.  計算機工程與應用. 2010(30)
[5]價值投資基本理論問題研究[J]. 薄小明.  經(jīng)濟師. 2009(09)
[6]基于時態(tài)邊緣算子的時間序列分段線性表示[J]. 肖輝,馬海兵,龔薇.  計算機工程與應用. 2008(19)
[7]一種回歸SVM選擇性集成方法[J]. 張妤,王文劍,康向平.  計算機科學. 2008(04)
[8]時間序列的自適應誤差約束分段線性表示[J]. 賈澎濤,林衛(wèi),何華燦.  計算機工程與應用. 2008(05)
[9]時間序列數(shù)據(jù)的分段線性表示[J]. 喻高瞻,彭宏,胡勁松,鄭啟倫.  計算機應用與軟件. 2007(12)
[10]時態(tài)數(shù)據(jù)挖掘的相似性發(fā)現(xiàn)技術(shù)[J]. 潘定,沈鈞毅.  軟件學報. 2007(02)

博士論文
[1]隨機森林算法優(yōu)化研究[D]. 曹正鳳.首都經(jīng)濟貿(mào)易大學 2014

碩士論文
[1]數(shù)據(jù)挖掘方法在滬深300指數(shù)收益率波動預測的應用研究[D]. 李嘉裕.廈門大學 2008



本文編號：3554273