基于卷积神经网络的股价预测

发布时间：2022-02-24 06:33

　　近年来,世界经济发展迅猛,金融业的发展趋势也越来越难以琢磨。从研究金融活动的规律着手去探讨和预测金融业的发展趋势,是一个非常值得研究的课题,也是制定金融计划和决策的重要依据。金融时间序列研究中,股价预测一直是一个难点,同时也是一个热点。进行股价预测的传统方法综合考虑了宏观经济情况与企业的发展状况。但随着社会与行业的发展,传统方法除了演变得越来越复杂的缺点,还十分消耗时间。随着人工智能的发展,将机器学习运用到股票研究中的方法应时而生。神经网络在金融领域中的应用更是标志着股价预测迎来重大转折点。近几年,卷积神经网络渐渐被广泛应用于语音的识别和图像分类等领域,而在金融时间序列数据中的应用却不常见。有效的金融预测在现实生活中发挥着十分重要的作用,对国民经济的发展也有着不容小觑的影响,所以,将卷积神经网络应用到对股票未来趋势的预测当中值得研究者们深入探讨。本文首先总结了国内外有关机器学习在股价预测中的各种研究方法,提出了用卷积神经网络预测股价的意义,重点介绍了卷积神经网络的结构和原理以及构建卷积神经网络模型的方法,然后将股票预测与人工智能相结合,利用机器学习中的方法对此展开了有益的探索。文中通过... 

【文章来源】：山西大学山西省

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
第一章 引言
    1.1 研究背景和意义
    1.2 国内外相关研究综述
    1.3 研究内容
第二章 卷积神经网络及相关理论
    2.1 卷积神经网络的基本结构
        2.1.1 卷积层
        2.1.2 池化层
        2.1.3 全连接层
        2.1.4 卷积神经网络降参手段
    2.2 训练模式
        2.2.1 前馈运算
        2.2.2 反馈运算
    2.3 卷积神经网络的常见结构
        2.3.1 AlexNet卷积神经网络模型
        2.3.2 VGGNet卷积神经网络模型
        2.3.3 GoogLeNet卷积神经网络模型
        2.3.4 ResNet深度卷积神经网络模型
    2.4 本章小结
第三章 基于卷积神经网络的股价预测模型
    3.1 实验平台
    3.2 实验数据
        3.2.1 数据来源
        3.2.2 数据预处理
    3.3 基于卷积神经网络的股价预测实验
        3.3.1 构建卷积神经网络股价预测模型
        3.3.2 实验过程
        3.3.3 模型评估指标
    3.4 研究模型参数对预测结果的影响
        3.4.1 卷积层和池化层对预测结果的影响
        3.4.2 卷积核大小对预测结果的影响
        3.4.3 卷积核个数对预测结果的影响
        3.4.4 确定预测模型参数
    3.5 本章小结
第四章 引入ADX的卷积神经网络模型
    4.1 对上一章实验结果的反思
    4.2 基于卷积神经网络的股价预测ADX增强版
        4.2.1 实验过程
        4.2.2 图表可视化及结论分析
    4.3 确定卷积神经网络股票预测模型
    4.4 与其他模型对比
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士期间取得的研究成果
致谢
个人简况及联系方式



本文编号：3642171