2020年2月12號到3月16日,美國道瓊斯指數(shù)在35天內(nèi)從最高的29568.57跌到18917.46,跌幅達到36.02%。期間出現(xiàn)多次熔斷,很多投資者面臨著巨大的財務問題,甚至破產(chǎn)。與之不同的是西蒙斯創(chuàng)辦的大獎章基金,在瘋狂熔斷的3月,大獎章基金獲得了9.9%的純利潤回報,而該基金避免損失的秘訣其實是量化投資。作為量化投資的分支之一,利用神經(jīng)網(wǎng)絡來預測股票價格趨勢在過去幾年中已經(jīng)成為了一個熱點和焦點。本文主要研究神經(jīng)網(wǎng)絡在量化選股上的應用。針對2016年2月1日到2020年2年1日四年的所有A股,通過預測A股未來一周的股價趨勢來選出表現(xiàn)更好的三個個股。為了符合預測一周內(nèi)的股價趨勢,本文選擇了影響股價趨勢的5個技術指標（最高價、最低價、開盤價、收盤價和換手率）,通過利用過去34個日數(shù)據(jù)和過去30個周數(shù)據(jù),將一維的時間序列變成了一個64×5的二維數(shù)據(jù),然后以周為步長向前延伸,窗口化生成訓練集和驗證集。本文研究了隱藏層的層數(shù)、批次、迭代次數(shù)以及優(yōu)化器等參數(shù)對神經(jīng)網(wǎng)絡模型預測結(jié)果的影響并對模型進行相應的參數(shù)優(yōu)化,并用這兩種神經(jīng)網(wǎng)絡對個股漲跌進行預測,結(jié)果表明兩種神經(jīng)網(wǎng)絡模型對股價預測效果都... 

【文章來源】：江西財經(jīng)大學江西省

【文章頁數(shù)】：67 頁

【學位級別】：碩士

【部分圖文】：

三層神經(jīng)元感知器

2基于數(shù)據(jù)模型的量化交易基本原理11MLP神經(jīng)網(wǎng)絡層與層之間是全連接的（全連接是上一層的任何一個神經(jīng)元與下一層的所有神經(jīng)元都有連接）。MLP可以看做是一個有向圖，其存在多個節(jié)點，每一個全連接層連接到下一層。除了輸入節(jié)點外，每個節(jié)點都是一個神經(jīng)元，這些神經(jīng)元的末端都是一個非線性激活函數(shù)。2.1.2常見的激活函數(shù)神經(jīng)網(wǎng)絡主要有權(quán)重、偏置和激活函數(shù)這三個基本要素。權(quán)重表示神經(jīng)元之間的連接強度，偏置是模型的一個重要參數(shù)，激活函數(shù)其實是具有非線性映射的功能。激活函數(shù)可以將輸出結(jié)果限定在一定數(shù)值范圍內(nèi)，一般（-1~1）或（0~1）之間。常見的激活函數(shù)有以下幾種：1、sigmoid激活函數(shù)1()1exsigmoidx(2-1)圖2-2sigmoid曲線圖圖2-2為sigmoid函數(shù)曲線圖，sigmoid函數(shù)經(jīng)常被大家所使用，其主要原因是：它的輸出處于[0，1]范圍內(nèi)，特別適用于輸出概率的模型。由于任何概率的取值在0和1范圍之間，所以sigmoid激活函數(shù)是最好的選擇之一。這個函數(shù)是單調(diào)的，但是其導數(shù)不是，sigmoid激活函數(shù)可能會導致神經(jīng)網(wǎng)絡在訓練的時候無法收斂。

基于神經(jīng)網(wǎng)絡的量化模型研究122、tanh激活函數(shù)tanh()xxxxeexee(2-2)圖2-3tanh曲線圖如圖2-3所示，tanh激活函數(shù)的曲線與sigmoid激活函數(shù)的曲線相似，但是要比sigmoid激活函數(shù)好。Tanh激活函數(shù)的取值范圍是（-1，1）。tanh激活函數(shù)的優(yōu)點在于：如果輸入為負數(shù)，則輸出也為負數(shù)；輸入為0，則輸出也近似為0。該函數(shù)是可微分、單調(diào)的，但其導數(shù)不單調(diào)。Tanh激活函數(shù)主要用于分類。Tanh和sigmoid激活函數(shù)都可用于前饋網(wǎng)絡。3、relu激活函數(shù)(RectifiedLinearUnit)[36]R(x)max(0,x)(2-3)


本文編號：3440213