本文關(guān)鍵詞：基于深度學(xué)習(xí)之股指期貨交易

  更多相關(guān)文章： 人工神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí) 自編碼器 受限波爾茲曼機(jī)

【摘要】：自20世紀(jì)80年代初以來,人工神經(jīng)網(wǎng)絡(luò)技術(shù)在全球范圍迅速發(fā)展傳播,人工神經(jīng)網(wǎng)絡(luò)是在模擬人類大腦的構(gòu)造與思維的基礎(chǔ)上而建立起的數(shù)學(xué)模型,能夠處理類似圖像識別、語音識別、自然語言等諸多問題,引起了國內(nèi)外學(xué)者的高度廣泛關(guān)注.2006年Hinton等人基于人工神經(jīng)網(wǎng)絡(luò)提出了深度學(xué)習(xí)的概念,深度學(xué)習(xí)是蘊(yùn)含了很多個隱含層的深度神經(jīng)網(wǎng)絡(luò),具備更優(yōu)異的特征學(xué)習(xí)的本領(lǐng),能夠更本質(zhì)的抽象和表達(dá)數(shù)據(jù),通過逐層的數(shù)據(jù)初始化來優(yōu)化數(shù)據(jù)模型訓(xùn)練過程,進(jìn)而提升模型預(yù)測分類的準(zhǔn)確性.近兩年利用深度學(xué)習(xí)的方法來處理金融高頻數(shù)據(jù)掀起了一股方興未艾的研究及應(yīng)用浪潮,但是如何針對數(shù)據(jù)特征來選擇合適的初始化模型是研究的關(guān)鍵問題,本文分別利用自編碼器和受限波爾茲曼機(jī)理論結(jié)合人工神經(jīng)網(wǎng)絡(luò)建立了一個研究股指期貨的模型并作出了比較分析,最后根據(jù)交易策略搭建了一個交易系統(tǒng).模型可以大致分為四個模塊：數(shù)據(jù)預(yù)處理模塊、神經(jīng)網(wǎng)絡(luò)初始化模塊、深度學(xué)習(xí)模塊、交易策略模塊.
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP183

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 余凱;賈磊;陳雨強(qiáng);徐偉;;深度學(xué)習(xí)的昨天、今天和明天[J];計(jì)算機(jī)研究與發(fā)展;2013年09期

，

本文編號：1239744