基于机器学习的股票走势预测研究

发布时间：2021-06-07 06:14

　　今天的股票市场早已日趋完善,上市也已经成为公司发展的必经之路。上市公司能够在股票市场进行融资,并且投资机构和散户也期望对有潜力的股票进行购买,并获得收益。诚然,股票投资是高风险高收益的行业,因此理性投资就变得尤为重要。随着AI（人工智能）技术的研究成果问世,使得将AI相关研究带入股票预测当中成为可能。本文结合实际股票交易行情,在相关数据集上进行了丰富的实验。针对股票走势预测问题,本文首先进行了股票日行情数据的采集,对采集的中国A股市场的数据进行了预处理,并提取出股票技术指标相关性系数特征。再对股票数据集进行特征工程处理后,搭建了相关算法模型,并做了详细的对比实验。本文主要进行了以下研究:首先,本文介绍了股票市场基础概念和国内外的研究状况,并根据实际实验需求引入了三种不同类型的预测模型,分别是:传统金融预测模型,机器学习以及深度学习算法模型。将多种机器学习和深度学习实验结果进行对比,能够解决普通预测方法所面临的诸多挑战,同时也能在一定程度上规避人为因素所带来的风险。我们对所有模型的基础概念,以及利用模型进行实验时的参数,进行了详尽的描述。第一步,使用传统金融算法预判走势,包括:移动平均模... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：94 页

【学位级别】：硕士

【部分图文】：

图2-2分割训练平

电子科技大学硕士学位论文1812111..010,1,2,,(2-16)求解出之后，再根据，我们就可以求解出和，从而求得我们的最初目标：找到最优的平，即决策平。2.SVM核函数一般来，对给定的一个训练数据1,1,,,…,,，其中，属于入空，∈的标记有两类∈1,1,1,2,…,，如果属于的某个曲，可以把入样本完美无的分类，我们就此种类型属于线性分类情况。如图2-3所示，在分类情况当中，“”代表正类，“□”代表类。从图中可以看出，在直线无法将正类完美无的分类时，我们能够用一条曲线办到。图2-3线性分类情况

第二章相关知识介绍232.4深度学习更直观的了解人工智能、机器学习、深度学习它们之的联系，如图2-4所示：图2-4深度学习概念关系图从图中可以看出，三个不同内容之的联系，从大到小分别是：人工智能，机器学习和深度学习。深度学习的提出源自人们对神经网络的深入探索。例如，深度学习的框架就包括具有多个藏层的多层感知机。因此，理解网络的搭建和行方式是理解深度学习的关。第一步就要了解组成网络的基本单位-神经元。图2-5神经元结构图人工智能机器学习头脑激发认知系统神经网络深度学习

【参考文献】：
期刊论文
[1]中国与美国证券市场弱有效性检验及对比分析——基于上证指数与S&P500指数的检验[J]. 刘洪波,娄振.  时代金融. 2012(24)
[2]股票技术指标相似性与有效性研究[J]. 方匡南,纪宏,路逊.  统计与信息论坛. 2009(09)
[3]自回归法在时间序列预测中的应用[J]. 陈婕.  建设科技. 2007(20)
[4]用BP神经网络预测股票市场涨跌[J]. 吴微,陈维强,刘波.  大连理工大学学报. 2001(01)

硕士论文
[1]基于网络舆论的我国股票市场有效性检验研究[D]. 陈江鹏.西南财经大学 2013
[2]股票价格预测模型研究[D]. 冯居易.西安建筑科技大学 2008



本文编号：3216039