股市是國家經(jīng)濟(jì)的晴雨表,可以在一定程度上反映經(jīng)濟(jì)的穩(wěn)定性和健康程度,在國家經(jīng)濟(jì)體系中具有重要地位。如何能較為準(zhǔn)確地預(yù)測股票價格及走勢是當(dāng)今產(chǎn)業(yè)界和學(xué)術(shù)界面臨的一項(xiàng)重要難題。以深度學(xué)習(xí)為代表的人工智能技術(shù)目前正在被廣泛應(yīng)用于各個領(lǐng)域,其中在金融領(lǐng)域有著廣闊的應(yīng)用前景。深度學(xué)習(xí)具有從海量數(shù)據(jù)中學(xué)習(xí)數(shù)據(jù)規(guī)律的能力,本文借鑒了股票技術(shù)分析中使用指標(biāo)預(yù)測價格的思想,設(shè)計(jì)了一套基于深度神經(jīng)網(wǎng)絡(luò)的股票預(yù)測模型,模型由兩部分組成:特征提取部分和股票預(yù)測部分,特征提取模型基于深度自編碼器構(gòu)建,用于從股票的指標(biāo)數(shù)據(jù)中提取特征來表示股票當(dāng)前的狀態(tài),預(yù)測模型基于長短時記憶神經(jīng)網(wǎng)絡(luò)構(gòu)建,可以根據(jù)歷史狀態(tài)預(yù)測當(dāng)前價格。最后使用了dropout和L2正則化方法優(yōu)化模型,減小模型過擬合的風(fēng)險(xiǎn)。本文使用釀酒板塊的數(shù)據(jù)構(gòu)建數(shù)據(jù)集,并設(shè)計(jì)了多組實(shí)驗(yàn)驗(yàn)證模型效果。首先構(gòu)建了不同深度的自編碼器,以預(yù)測精度和重構(gòu)誤差為標(biāo)準(zhǔn)比較其編碼效果;其次比較了本模型與其他特征提取方法的提取效果,以主成分分析法(PCA)和因子分析法(FA)作為比較對象,深入分析了不同方法的差異;最后比較了本模型與其他預(yù)測模型的預(yù)測效果和運(yùn)行時間。實(shí)驗(yàn)表明,本... 

【文章來源】：貴州大學(xué)貴州省 211工程院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同深度編碼器編碼預(yù)測誤差結(jié)果

41（c）自編碼器提取的特征編碼圖 4-3 股票數(shù)據(jù)降維后的編碼序列直觀分析圖 4-3 中的特征序列可以得到一些初步結(jié)論，使用 PCA 提取出的序列并沒有表現(xiàn)出明顯的股價走勢特征，特征較為雜亂，使用 FA 提取出的

貴州大學(xué)碩士研究生學(xué)位論文看出大致的趨勢特征，使用自編碼器提取出的編碼序列已可以推測使用自編碼器提取的特征預(yù)測股票效果最好。以上推測，本文使用上述三種方法提取出的特征序列組票預(yù)測模型，并從中拿出了少量數(shù)據(jù)組成測試集，測試三測結(jié)果如圖 4-4 所示：

【參考文獻(xiàn)】：
期刊論文
[1]基于PCA-FOA-SVR的股票價格預(yù)測研究[J]. 王衛(wèi)紅,卓鵬宇.  浙江工業(yè)大學(xué)學(xué)報(bào). 2016(04)
[2]基于馬爾科夫狀態(tài)轉(zhuǎn)換和跳躍的高頻波動率模型預(yù)測[J]. 馬鋒,魏宇,黃登仕,夏澤安.  系統(tǒng)工程. 2016(01)



本文編號：2942035