隨著互聯(lián)網(wǎng)不斷深入人們的生活,股票市場(chǎng)越來(lái)越受到互聯(lián)網(wǎng)信息的影響,投資者們會(huì)通過(guò)互聯(lián)網(wǎng)來(lái)閱覽相關(guān)股票新聞,了解相關(guān)公司的發(fā)展動(dòng)向,還會(huì)通過(guò)網(wǎng)絡(luò)互相交流信息。因此,傳統(tǒng)依賴于股票交易量化交易的股市波動(dòng)預(yù)測(cè)方法難以充分利用有效的市場(chǎng)信息,而考慮互聯(lián)網(wǎng)信息的影響有助于提升股市波動(dòng)預(yù)測(cè)性能。然而有效融合多源異構(gòu)信息仍面臨諸多挑戰(zhàn)。為此,本文主要針對(duì)在股票波動(dòng)預(yù)測(cè)問(wèn)題開(kāi)展多源數(shù)據(jù)融合技術(shù)的研究,基于廣度學(xué)習(xí)的思想提出股票波動(dòng)預(yù)測(cè)模型來(lái)提升股票預(yù)測(cè)精度。本文提出的股票預(yù)測(cè)框架是基于耦合隱馬爾可夫模型的,該模型一方面融合了股票量化信息和股票新聞事件信息,一方面考慮了股票之間的關(guān)聯(lián)關(guān)系,可以有效緩解數(shù)據(jù)稀疏的問(wèn)題,另外,為了進(jìn)一步利用股票間的關(guān)聯(lián)關(guān)系,以及股價(jià)變化在時(shí)序上的關(guān)聯(lián)關(guān)系,本文還提出了一種基于時(shí)間和空間的兩維修正算法,對(duì)耦合隱馬爾可夫模型的結(jié)果做進(jìn)一步修正。同時(shí)為了解決概率圖模型計(jì)算量大計(jì)算速度慢等問(wèn)題,提出了基于LSTM的局部近似方法,可以有效提升預(yù)測(cè)速度。同時(shí),提出了一種基于二分圖的最大共識(shí)預(yù)測(cè)方法,可以針對(duì)本文基于似然值的預(yù)測(cè)方法做到精度上的提升。最后,本文利用CSI002015年數(shù)據(jù)...

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

本文編號(hào)：3879784