近年來,隨著人工智能技術(shù)的飛速發(fā)展和我國金融市場的不斷完善,越來越多的人開始研究如何運用計算機科學(xué)的技術(shù)處理金融問題。股票作為金融市場的重要組成部分,一直以來備受重視。同時作為普通民眾常用的理財方式之一,其重要性不言而喻。本課題研究的主要內(nèi)容就是如何將深度學(xué)習(xí)運用于股票智能投資。本課題介紹了股票數(shù)據(jù)集的構(gòu)建,實現(xiàn)了基于Scrapy框架的股票數(shù)據(jù)獲取系統(tǒng),探討了如何驗證數(shù)據(jù)的正確性和對數(shù)據(jù)的預(yù)處理。結(jié)合了選股模型中的量化因子,對股票歷史數(shù)據(jù)和上市公司的財務(wù)數(shù)據(jù)進(jìn)行分析,挖掘出蘊藏在海量數(shù)據(jù)中的有效信息。在股票數(shù)據(jù)集的基礎(chǔ)之上,本文主要研究內(nèi)容包括以下兩個方面:基于Attention-LSTM的股票趨勢預(yù)測模型。文中分析了股票數(shù)據(jù)存在的時序關(guān)系,探討了時間序列數(shù)據(jù)存在的長依賴問題。對比了傳統(tǒng)的遞歸神經(jīng)網(wǎng)絡(luò)和長短期記憶網(wǎng)絡(luò)（LSTM）,詳細(xì)分析了長短期記憶網(wǎng)絡(luò)是如何解決時間序列數(shù)據(jù)中的長依賴問題。同時,分析了長短期記憶網(wǎng)絡(luò)中編譯器解碼器結(jié)構(gòu)存在的不足,并探討Attention機制的原理,論證了長短期記憶網(wǎng)絡(luò)加入Attention機制的可行性。課題中,設(shè)計并實現(xiàn)了兩層Attention機制,解... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

構(gòu)建元數(shù)據(jù)

圖 2-2 爬蟲基本邏輯所需的數(shù)據(jù)主要包括股票基本的交易數(shù)據(jù)和公司每個季度的財務(wù)報表，這些都是最基本數(shù)據(jù)，其他任何因子數(shù)據(jù)都是通過以上這些數(shù)據(jù)計算而來。對于股票來說，最主要的是價格類信息和成交量，對于公司的財務(wù)數(shù)據(jù)主要是資產(chǎn)和利潤信息。另外，和股票息息相關(guān)的一類數(shù)據(jù)是指數(shù)信息，其基本的構(gòu)成也

在 1982 年 Saratha Sathasivam 就提出類似的 Hopfield Network。但是由于技限制，當(dāng)時并沒有引起廣泛的關(guān)注，直到進(jìn)行年來計算機計算能力的飛速和人工智能的火熱，RNN 又重新活躍在學(xué)術(shù)界，廣泛運用在和序列有關(guān)的，比如機器翻譯、語音識別和圖像標(biāo)注。

【參考文獻(xiàn)】：
期刊論文
[1]基于多因子模型的量化選股分析[J]. 徐景昭.  金融理論探索. 2017(03)
[2]量化投資交易策略研究[J]. 劉晶晶,古晨.  中國市場. 2017(02)
[3]基于特征修正協(xié)方差矩陣的中國A股市場多因子模型構(gòu)建[J]. 禹悰廉.  統(tǒng)計與決策. 2016(18)
[4]組合基金半年度十強出爐 國泰君安奪魁[J]. 徐鋒.  股市動態(tài)分析. 2014(27)
[5]基于價值投資的Piotroski選股策略實證研究[J]. 殷鑫,鄭豐,崔積鈺,趙莊.  時代金融. 2012(23)



本文編號：3274010