基于深度学习组合模型的股价预测分析

发布时间：2024-07-10 22:39

　　金融市场作为国家经济体系的一部分,其对于民生经济的重要性不言而喻。金融市场的变化常常预示着国家经济发展状态的走向,对金融领域的控制能力也常常被视为国家重要的核心竞争能力。从国家层面来看,对股票价格等金融时序的精准预测有利于相关战略政策的实施与部属。对于企业与个人来讲,股价的准确预测可以从中获利并做出长期规划。所以对于股价的预测在业界一直保持着相当的热度。然而金融时序的非线性不平稳特征,以及其中高噪声的特点都使得针对其的预测难以有效的开展。所以应对其高波动的特征,总结以往模型的不足,探索有效的预测模型是具有一定的研究价值的。基于此,本文提出了将传统时间序列预测与深度学习结合的组合模型,并将其与机器学习算法比较。实验对象为中国工商银行股价数据,根据其的变化特征,将数据波动拆分为线性与非线性两个部分,用传统方式拟合股价变化中线性成分,其非线性的部分选择使用带注意力机制的Seq2Seq模型预测,并结合粒子群优化算法,探索固定步长的最佳模型。建模的步骤为先利用ARIMA模型剔除数据的长期趋势,减少股价的波动性,再将去趋势项后的数据作为神经网络的输入,期间用优化算法调整神经网络的两个待优化参数,多...

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图2-1ARIMA模型流程图

ARIMA的整体建模步骤可表示为图2-1:2.2SVR算法及相关理论

图2-2支持向量机的主要三种模型

支持向量机(SVM)的学习策略则是将距离最优化,因此它的学习算法也是距离最优化的计算,它主要分为三个类型:线性可分支持向量机、线性可支持向量机和非线性支持向量机,如下图所示:线性问题比较容易理解,但是非线性问题在求解时往往比较复杂,因而可使用非线性变换法将非线性问题转化为线性问题....

图2-3目标函数不敏感带以及松弛变量

输入值x对应的输出值是标签值y的估计值。统计学中用损失函数作为模型误差的度量,其函数结构的设计可以使其在一定范围内忽略模型产生的误差,此可被忽略的误差范围被称为不敏感带。图2-3展示了不敏感带的作用机理。由其可以引出相应的不敏感损失函数,线性条件下其具体定义如下:

图2-4SVR模型转换过程

与线性回归不同,非线性回归是指在数据训练集中线性不可分的情况下,通过非线性变换将训练样本映射到高维空间,并在高维空间通过核函数实现线性变换,具体过程如图2-4所示:对于非线性问题,将线性回归函数2.41的内积函数替换成非线性核函数即可,其表示为:

本文编号：4004846