基于LightGBM-GRU的新能源股票价格预测模型

发布时间：2023-02-26 01:11

　　改革开放四十年来,我国在经济建设上取得了巨大的成就,不过环境问题也愈发严重。为此,党和政府审时度势,在十九大报告中将新能源产业列为国家战略发展产业,用以优化我国能源体系结构、保障国家能源安全、全面建成社会主义生态文明社会。同时,近年来机器学习与深度学习在生活生产中应用越来越广泛,但查阅相关文献发现将机器学习方法与深度学习方法应用于新能源领域上的相关研究较少。因此,本文在这一背景上,建立基于变权组合模型方法的LightGBM-GRU模型具有一定的实际与理论意义。本文查阅相关文献,选取了传统能源市场、碳权交易市场、环境因素及科技因素这四大类的变量,并从wind数据库中收集从2016年1月7日到2022年1月7日的数据,具体有英国布伦特原油价格、中国大庆原油价格、纽约天然气价格指数、中国LNG全国指数、欧洲动力煤价格指数、中国动力煤价格指数、北京碳权价格、欧洲碳排放期货、北京空气质量指数、宁德时代股票价格和隆基股份股票价格这11个影响因素。然后对收集到的数据进行描述性统计分析,通过观察数据的统计特征,对数据进行归一化及标准化处理,同时删除数据中存在的缺失值与异常值,并通过相关系数合并同一类别...

【文章页数】：47 页

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
    1.2 研究意义
        1.2.1 理论意义
        1.2.2 实际意义
    1.3 研究内容
        1.3.1 本文结构
        1.3.2 可能的创新点
    1.4 研究方法
第2章 文献综述
    2.1 线性预测模型发展状况
    2.2 非线性预测模型发展现状
    2.3 文献评述
第3章 模型理论
    3.1 向量自回归模型
    3.2 机器学习模型
        3.2.1 决策树算法
        3.2.2 梯度提升决策树
        3.2.3 基于梯度的单边采样
        3.2.4 互斥特征捆绑
        3.2.5 合并互斥特征
        3.2.6 决策树生长策略
    3.3 深度学习模型
        3.3.1 循环神经网络模型
        3.3.2 长短期记忆模型
        3.3.3 门循环单元模型
    3.4 模型组合方法
第4章 变量选择及模型构建
    4.1 变量选取
        4.1.1 传统能源市场
        4.1.2 碳权交易市场
        4.1.3 环境因素
        4.1.4 科技因素
    4.2 描述性统计分析
        4.2.1 描述性统计分析
        4.2.2 相关性检验
    4.3 数据预处理方法
    4.4 评价方法
    4.5 模型构建
第5章 实证分析
    5.1 单变量门循环单元模型结果
    5.2 向量自回归模型结果
    5.3 轻量级梯度提升机器模型结果
    5.4 门循环单元模型结果
    5.5 组合模型结果
    5.6 实证分析小结
第6章 研究结论与展望
    6.1 研究结论
    6.2 政策建议
    6.3 研究展望
参考文献
致谢



本文编号：3749519