發(fā)布時間：2022-01-15 01:55

　　股市作為金融市場的重要組成部分,具有非線性波動的特點(diǎn),因此,如何較為準(zhǔn)確地對股市價格波動的情況進(jìn)行預(yù)測一直都是研究的重點(diǎn)。國內(nèi)外很多學(xué)者先后提出了一些有效的證券價格預(yù)測方法,如基本面分析法、技術(shù)分析法等,但是預(yù)測效果并不理想。隨著非線性技術(shù)的發(fā)展,人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network,ANN）被廣泛地應(yīng)用到股票價格預(yù)測中,并取得了較好的預(yù)測效果,但ANN以經(jīng)驗(yàn)風(fēng)險最小化為原則,存在諸多的缺點(diǎn),如收斂速度較慢以及易陷入局部最小值等。以結(jié)構(gòu)風(fēng)險最小化為原則的支持向量機(jī)（Support Vector Machine,SVM）能夠很好地解決上述問題,因此諸多學(xué)者將其應(yīng)用到股市領(lǐng)域中,并驗(yàn)證了支持向量機(jī)能夠?qū)善笔袌龅淖邉萑〉貌诲e的預(yù)測效果。但是當(dāng)處理大量的數(shù)據(jù)集時,支持向量機(jī)就會表現(xiàn)出訓(xùn)練速度緩慢等缺點(diǎn),并且隨著股市的數(shù)據(jù)規(guī)模以及維數(shù)的不斷增多,支持向量機(jī)的計(jì)算效率并不理想。近年來,GPU（Graphic Processing Unit）通用計(jì)算作為新興的高性能計(jì)算方法,憑借強(qiáng)大的浮點(diǎn)計(jì)算能力、并行計(jì)算能力以及高存儲寬帶被應(yīng)用于通用計(jì)算領(lǐng)域。因此,本文通過GPU技術(shù)... 

【文章來源】：山東科技大學(xué)山東省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１?ＣＰＵ和ＧＰＵ內(nèi)部架構(gòu)簡化圖??Ｆｉｇｕｒｅ?２．１?ＣＰＵ?ａｎｄ?ＧＰＵ?ｉｎｔｅｒｎａｌ?ａｒｃｈｉｔｅｃｔｕｒｅ?ｓｉｍｐｌｉｆｉｃａｔｉｏｎ?ｄｉａｇｒａｍ??

理器（Ｓｔｒｅａｍｉｎｇ?Ｍｕｌｔｉｐｒｏｃｅｓｓｏｒ，?ＳＭ）組成，一個?ＳＭ?由多個流處理器（Ｓｔｒｅａｍｉｎｇ??Ｐｒｏｃｅｓｓｏｒ，?ＳＰ）和一些其它資源組成，ＳＰ是最小的計(jì)算單元。??ＣＵＤＡ線程與硬件的映射關(guān)系如圖２．４所示＿。在實(shí)際運(yùn)行過程中，Ｂｌｏｃｋ??是ｋｅｒｎｅｌ函數(shù)的執(zhí)行單元，Ｂｌｏｃｋ是若干個獨(dú)立ｗｒａｐ的邏輯組，即ＳＭ每次調(diào)??度都是３２個線程同時執(zhí)行，并且眾多Ｂｌｏｃｋ是無序執(zhí)行的。由于一個Ｂｌｏｃｋ的??所有線程都被調(diào)度到同一?ＳＭ上執(zhí)行，因此為實(shí)現(xiàn)數(shù)據(jù)共享，ＧＰＵ為每個ＳＭ??提供了高速的共享內(nèi)存。每個ＳＭ能調(diào)度多個Ｂｌｏｃｋ，當(dāng)多個Ｂｌｏｃｋ等待一個??８??

圖２．４?ＣＵＤＡ硬件映射??Ｆｉｇｕｒｅ?２．４?ＣＵＤＡ?ｈａｒｄｗａｒｅ?ｍａｐｐｉｎｇ??


本文編號：3589661